阿里给AI出了一套3D建模大考

阿里 Qwen 团队在 10 月 14 日开源了 BlenderWorld，一套专门评测 AI 能否在 Blender 中完成真实 3D 创作任务的基准。与常见的文生图或单张渲染效果评测不同，BlenderWorld 要求模型提交可编辑的 .blend 工程文件，并按任务要求生成渲染图、视频或模型导出文件。

这套基准真正要回答的问题，不是 AI 能不能做出一张漂亮的 3D 风格图片，而是它能不能交付一个设计师愿意接手的工程。模型需要正确处理几何结构、材质、灯光、相机、动画以及场景层级，最终产物还得经得住多视角检查和逐项验收。

**BlenderWorld 是一个面向 Blender 视觉智能体的真实任务评测基准，用于衡量 AI 从需求理解到可编辑 3D 工程交付的完整能力。**项目采用 MIT 许可证，代码和数据已经发布到 GitHub，并同步提供于 Hugging Face 和 ModelScope。根据项目仓库披露的信息，其运行环境以 Blender 4.2.10、Linux 和 Python 3.10 及以上版本为基础。

223 道题，考的不是一张图

BlenderWorld 共包含 223 个任务、2,651 条任务专属评分标准，覆盖 9 个大类和 22 个子类。公开信息列出的任务领域包括产品、建筑、自然环境、角色、动画和科学可视化，这意味着它并非只测单一物体重建，也会涉及场景组织、运动表达和专业信息可视化。

任务输入被刻意设计成多种现实工作形态，而不是统一的文字提示词。在全部 223 个任务中，78 个只提供文字描述，130 个提供图片与文字，15 个提供视频与文字；另有 59 个任务附带尺寸、材质或相机参数等规格文件。

| 输入形式 | 任务数量 | 占全部任务比例 | 主要考查能力 | |---|---:|---:|---| | 纯文字 | 78 | 35.0% | 需求理解、空间推理、从零搭建 | | 图片加文字 | 130 | 58.3% | 视觉参照理解、外观还原、结构推断 | | 视频加文字 | 15 | 6.7% | 时序理解、动画与镜头关系判断 | | 附规格文件 | 59 | 26.5% | 尺寸、材质、相机等硬约束执行 |

这些任务比例说明，BlenderWorld 更接近一组混合型生产需求，而不是传统的提示词排行榜。现实中的 3D 设计任务经常同时出现参考图、口头要求和明确规格，例如“按参考图制作台灯，但灯罩直径必须是 32 厘米，相机使用指定焦距，材质需要后续可调整”。一张渲染图可以掩盖尺寸错误，工程文件却很难藏住。

59 个带规格文件的任务尤其重要，因为它们把“像不像”推进到了“对不对”。生成式模型擅长产出视觉上合理的结果，但工业设计、电商资产、建筑表现和科学可视化往往存在不能自由发挥的约束，尺寸差 10%、相机角度偏几度或材质节点不可复用，都可能让结果失去交付价值。

.blend 文件是一道更高的门槛

可编辑的 .blend 工程是 Blender 保存场景、对象、材质、动画、灯光和相机等信息的原生项目文件。它与最终渲染图的关系，类似源代码与软件截图的关系：截图只能证明某一刻看起来能运行，源代码才能判断结构是否合理、能否维护以及能否继续修改。

要求交付工程文件，会暴露出图像生成最容易绕开的结构问题。一个杯子从正面看可能完全正常，但换到侧面后把手可能没有闭合；一间室内场景的最终画面可能足够逼真，但墙体、家具和灯光也可能全部混在难以编辑的对象中；一段动画可能能够播放，却没有清晰的关键帧和对象关系。

BlenderWorld 的价值就在于，它不允许模型仅靠最终画面的视觉欺骗过关。模型需要在 Blender 内建立可以检查的对象和属性，提交结果随后还会从多个角度重新渲染，并接受场景层面的检查。

| 评测对象 | 典型输出 | 能发现的问题 | 对真实生产的参考价值 | |---|---|---|---| | 文生图评测 | 单张图片 | 构图、风格、局部视觉错误 | 适合概念图，难判断资产可编辑性 | | 3D 生成效果评测 | 网格、点云或少量渲染图 | 表面质量、基本几何一致性 | 能判断资产外观，较少覆盖完整场景工作流 | | BlenderWorld | .blend 工程及指定衍生文件 | 几何、材质、灯光、相机、动画与规则执行 | 更接近设计师验收完整工程 |

这种变化也重新定义了所谓的 3D 智能体。**3D 智能体是能够理解创作目标、操作三维软件并持续验证工程状态的 AI 系统。**它不只是把文字映射成模型文件，还需要像操作员一样选择工具、修改参数、查看结果、发现错误，再继续迭代。

8 个视角，加上 50% 硬规则

BlenderWorld 会从 8 个自适应视角渲染模型提交的 Blender 项目。多视角评测可以降低单一机位造成的误判，因为模型无法确定只要把正面做得足够像，就能遮住背面缺失、物体穿插或比例失衡。

“自适应视角”是根据场景内容选择观察位置的渲染策略，而不是对所有任务机械套用同一组固定机位。对于单个产品、室内建筑和大尺度自然场景，合理的观察距离与角度并不相同；让视角随场景变化，才更容易捕捉与任务相关的结构问题。

最终得分由规则符合度和整体视觉质量各占 50% 加权得出。规则部分基于 2,651 条任务专属二元标准，判断一项要求是否满足；视觉部分则使用 8 项整体质量指标，对完成度和观感进行评价。

如果将某项任务的规则得分记为 R、视觉质量得分记为 V，那么最终分数的核心关系可以概括为：总分 = 0.5 × R + 0.5 × V。这不是项目提供的调用代码，而是对公开评分权重的直接表达。

二元标准适合检查明确要求，例如目标对象是否存在、指定材质是否使用、动画是否包含某个动作、相机参数是否落在要求范围内。它的优点是减少“看起来差不多”的主观空间，缺点则是标准必须写得足够准确，否则模型可能满足字面规则，却没有真正完成创作意图。

视觉质量评分补上了硬规则无法覆盖的部分。一个场景可以包含所有规定对象，却仍然存在构图混乱、光照生硬、材质塑料感过强或视觉层级不清的问题；反过来，一张极具氛围感的画面也可能遗漏关键结构。各占 50% 的设计，试图让“合规”和“好看”都不能单独决定成绩。

这比传统 3D 跑分更接近交付

BlenderWorld 最有价值的地方，是把 3D AI 的竞争指标从“能生成什么”转向“能完成什么”。前者通常展示最好的样例，后者则要求系统面对不同输入、不同专业领域和不同约束，稳定地产出可检查的工程。

对开发者而言，这套基准可以用来定位智能体究竟卡在哪一层。模型可能能读懂需求，却不会规划 Blender 操作；也可能能生成 Python 脚本，却无法根据渲染结果纠错；还可能完成几何体搭建，但在材质、灯光或相机上持续失分。223 个任务和 2,651 条标准提供了比单一总分更细的错误观察窗口。

对 3D 生成创业公司而言，BlenderWorld 也提高了产品演示的可信门槛。过去常见的展示方式是给出提示词、最终图片和一段旋转视频，但这些内容无法说明工程是否可编辑，也无法说明系统面对复杂规格时是否稳定。现在，团队可以提交同一套任务，比较工程结构、规则完成率和多视角效果。

不过，BlenderWorld 目前还不能等同于完整的商业生产验收。Blender 是一套通用数字内容创作软件，而游戏、影视、工业设计和建筑行业通常还涉及拓扑规范、UV 展开、骨骼绑定、命名规则、版本管理、渲染预算、版权来源以及跨软件兼容性；这些要求很难由一套通用基准一次覆盖。

评测过程对视觉模型服务的依赖，也意味着结果并非完全由被测智能体决定。如果整体视觉质量需要另一个具备视觉能力的模型参与判断，那么评审模型的版本、提示设置和随机性都可能影响可复现性。项目后续是否固定评审模型、公开更完整的评测配置，并报告多次运行的方差，会直接影响排行榜的严谨程度。

对 Qwen 来说，开源基准也是生态卡位

Qwen 此次开源的不是一个单独模型，而是一套包含安装、生成、打包和评测环节的测试流程。开发者可以将不同生成框架接入其中，这使 BlenderWorld 有机会成为视觉智能体和 3D 智能体之间的公共比较层。

开放基准本身也是一种生态策略，因为谁定义任务和评分方式，谁就更容易影响行业讨论的方向。过去 3D 生成的关注点更多是网格质量、纹理清晰度或单物体重建，而 BlenderWorld 把镜头、灯光、场景层级和可编辑性一起纳入考场，相当于把评价对象从“生成模型”扩展成“能够操作专业软件的系统”。

MIT 许可证降低了企业和研究团队二次开发的限制。团队可以在原有任务上增加内部规范，例如对象命名、面数预算、贴图分辨率和导出格式，并用同一套流程测试不同模型、工具调用策略和纠错机制。

真正值得观察的不是某个模型第一次跑出多少分，而是任务成功率能否随着智能体架构改进而稳定上升。3D 软件操作链条很长，一次任务可能涉及数十步甚至更多操作，任何一步的选择错误、参数漂移或状态误读都可能传导到最终结果；因此，单次漂亮案例远不如跨任务稳定性有意义。

AI 距离替代设计师还很远，但开始能接具体工单

BlenderWorld 并没有证明 AI 已经能够取代 3D 设计师，它只是让“能不能干活”第一次有了更接近生产的公开量尺。创意判断、审美取舍、客户沟通和复杂项目管理仍然难以被 223 个任务概括，但机械建模、规格执行、场景搭建和重复修改已经可以被拆成明确步骤进行评测。

短期内，最现实的产品形态不是让智能体独立完成整部动画，而是让它接手边界清晰的子任务。例如根据多张参考图搭建产品初模、按规格布置摄影棚灯光、为多个对象批量生成材质、检查场景中缺失的资源，或者根据修改意见调整镜头和尺寸。

BlenderWorld 的判断标准也给出了一个明确方向：未来真正有用的创作型 AI，必须同时交付结果和过程资产。只生成最终画面，适合灵感探索和快速提案；能够提交结构清楚、参数正确、方便继续修改的工程，才可能进入团队协作和商业生产。

这套基准当前最重要的意义，不是宣布 3D 智能体已经成熟，而是终结一部分只看演示视频的宽松评价。AI 做 3D 的下一阶段，竞争焦点将从“第一眼够不够惊艳”，逐渐变成“第八个视角是否仍然正确、规格是否全部满足、设计师接手后是否需要推倒重来”。

参考来源

• IT之家：223 道题、2651 条标准，阿里 Qwen 开源 BlenderWorld：整理了项目发布时间、任务构成、评分方法及运行环境等核心信息。
• GitHub：QwenLM/BlenderWorld：BlenderWorld 官方代码仓库，可查看许可证、安装方法、任务生成与评测流程。
• Hugging Face：BlenderWorld 相关资源检索：用于查找项目公开的数据集、模型或社区镜像资源。