阿里 Qwen 开源 BlenderWorld：223 道任务的 3D 创作智能体基准
阿里 Qwen 团队开源 BlenderWorld，一套评估「视觉智能体能不能做 3D 创作」的基准。它由 223 道任务、2,651 条二值判据组成，覆盖 9 个大类 22 个子类；题型分布是文本 78 道、图像+文本 130 道、视频+文本 15 道，其中 59 道另附尺寸、材质或相机规格的说明文件。任务来自真实生产简报，作者来自浙江大学、阿里 Token Hub、港中文、复旦与南洋理工。
与只看渲染图的评测不同，它要求智能体交付可直接编辑的工程：给一份任务简报、参考图或视频，产出 final.blend 与导出的资产并打包成 ZIP 提交，环境固定 Blender 4.2.10（自带编码智能体环境另固定 Node.js 22.17.0、Codex CLI 0.147.0、Claude Code 2.1.220）。评测端用 8 个自适应视角、Cycles 1024×1024 与 64 采样重新渲染，每个视角允许最多两次补救重渲，再由 Agent-as-Judge 判结构、VLM 判视觉质量。
计分是两段各占一半：判据分按重要性权重 1 / 2 / 3 加权后归一，维度分是 8 项 1–10 打分的均值，官方声明不设分数上限。代码与数据集以 MIT 许可放出，数据集格式、提交格式与评测协议都有公开文档；项目页称已在 13 个前沿模型上跑过这套评测。
核验记录
官方网站与 GitHub 仓均无发布日期字段，日期取两个官方仓库的创建时间戳（GitHub QwenLM/BlenderWorld 2026-10-14T11:56Z、Hugging Face 数据集 Qwen/BlenderWorld 2026-10-14T13:29Z，相隔约 1.5 小时互证），属 R21 降级链第④层，不声称「官方公告日」；中文稿为 IT之家 10-17 转述，不作定日依据。223 题 / 2651 条判据 / 输入配比 / 评测协议逐字取自官方 README 与项目页；项目页称已在 13 个前沿模型上评测，但榜单页 404、具体分数本轮未取，故正文不写名次。配图 opengraph.githubassets.com 裸请求与带站内 Referer 各 200 / PNG 1200×600。
← 上一篇Paper Instruments 发 Ultramarine 1 Flash：拿 GLM-5.3 Flash 做非可验证 RL，六项知识工作基准平均 +4.1下一篇 →亚马逊开源 LAR-27B/9B：用 Lean 4 过程奖励训智能体 RL，SWE-bench Verified 84.2%