先了解这件事
2026年10月13日,Artificial Analysis 推出 AA-3D 基准,用于评测 AI 模型构建交互式 3D 场景的能力。据其发布信息,模型在离线沙盒中作为智能体把书面任务转成 three.js 网页,由人工评审在不知模型身份的情况下两两比较,共 55 份任务、21 个模型、超 1 万次投票并按 Elo 排名。结果显示 Claude Sonnet 5.5(1194)、Claude Opus 5.5(1190)、GPT-6 Astra(1165)和 Claude Fable 5.1(1131)在统计上并列第一;开源权重模型 Kimi K3(982)和 MiMo-V2.6-Pro(977)分列第 11、12 名。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Artificial Analysis
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
Artificial Analysis
Artificial Analysis 发布 AA-3D 基准，评测 AI 模型构建交互式 3D 场景的能力
Artificial Analysis 发布新基准 AA-3D，评测 AI 模型构建交互式 3D 场景的能力。模型在离线沙盒中作为智能体把书面任务转成 three.js 网页，由人工评审在不知模型身份的情况下两两比较，共 55 份任务、21 个模型、超 1 万次投票并按 Elo 排名。结果显示 Claude Sonnet 5.5（1194）、Claude Opus 5.5（1190）、GPT-6 Astra（1165）和 Claude Fable 5.1（1131）在统计上并列第一，开源权重模型 Kimi K3（982）和 MiMo-V2.6-Pro（977）分列第 11、12 名。
10月12日
Artificial Analysis 完整文章一手精选
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数最高升至 56
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，高于 Muse Spark 1.3（max）的 48，发布间隔仅 6 周。Muse Wonder Full（max）在十项评测中全面超过 Muse Spark 1.3（max），智能体类提升最大，Terminal-Bench 4.0 从 33% 升至 57%，GDPval-AA v2.1 从 1681 Elo 升至 1857。Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线，Muse Wonder Full 仅面向 Muse Code 用户，两者上下文窗口均为 1M tokens。
Artificial Analysis 完整文章一手
Artificial Analysis 发布 AA-3D 基准，评测 AI 模型构建交互式 3D 场景的能力
Artificial Analysis 发布 AA-3D 基准，让模型在离线沙箱中作为智能体把文字需求写成 three.js 网页，再由招募的评审团在不知模型身份的情况下两两比较场景并按 Elo 排名。Claude Sonnet 5.5 以 1194 分居首，但与另外三个 Anthropic 和 OpenAI 模型统计上并列，前四名 95% 置信区间均与它重叠；开源权重模型中排名最高的是 Kimi K3（982）和 MiMo-V2.6-Pro（977），分列第 11、12 位，落后 200 分以上。榜单还显示排名靠前的模型更早查看自己场景的截图，前五名首次查看的中位轮次为 10 到 13 轮。