阿里 Qwen 开源 BlenderWorld:223 道题、2651 条标准评测 AI 3D 建模

阿里 Qwen 团队把 3D 创作评测推到了更接近真实工作流的一步 。10 月 14 日, 其开源项目 BlenderWorld 发布, 目标不是让 AI 生成一张好看的图, 而是让视觉智能体在 Blender 里完成可继续编辑的 3D 场景。

📌 看点速览

• 开源基准: 采用 MIT 许可证, 代码与数据集同步发布到 GitHub、Hugging Face 和 ModelScope。
• 任务规模:223 个任务、2651 条评分标准, 覆盖 9 大类、22 个子类。
• 交付物不同: 要求输出可编辑的 .blend 工程文件, 并按需给出渲染图、视频或模型导出文件。
• 评分严格: 规则符合度与视觉质量各占 50%。

常见视觉生成评测往往停留在画面层面, 模型给出结果即可 。BlenderWorld 则把材质、几何结构、灯光、相机等要素都纳入考核。换句话说,AI 不仅要让场景看起来成立, 还要让设计师能打开工程继续修改。这一定位让它更像 3D 建模与场景搭建的“实操考试”, 而不是单纯的图像生成比赛。

🔍 223 个任务如何构成

从公开信息看,BlenderWorld 覆盖产品、建筑、自然环境、角色、动画和科学可视化等方向, 任务输入形式并不单一:

• 78 个任务只提供文字描述;
• 130 个任务提供图片加文字;
• 15 个任务提供视频加文字;
• 另有 59 个任务附带尺寸、材质或相机参数等规格文件。

这种组合意味着模型需要同时处理文本、图像、视频和参数约束, 并在不同创作类型之间切换。

💡 评测怎么打分:8 个视角与 2651 条标准

评测环节会从 8 个自适应视角渲染提交的 Blender 项目, 再结合场景检查、2651 条任务专属二元评分标准, 以及 8 项整体视觉质量评分。最终成绩由规则符合度和视觉质量各占 50% 加权得出。

规则与观感并重, 是 BlenderWorld 区别于普通图像评测的关键。画面好看但结构、参数不达标, 仍可能拿不到高分。

项目还提供完整的安装、生成、打包和评测流程, 开发者可以将任意生成框架接入测试 。仓库显示其采用 Blender 4.2.10, 需要 Linux、Python 3.10 及以上环境; 评测阶段还需配置具备视觉能力的模型服务。

📊 行业观察:3D 智能体需要更硬的考卷

如果 AI 要进入游戏、影视、工业设计、建筑可视化等生产环节, 仅凭“生成概念图”远远不够 。BlenderWorld 把可编辑工程、参数规格和多视角渲染纳入同一套基准, 实际上是在推动评测从“像不像”走向“能不能用”。

对开发者而言, 这类基准能暴露模型在空间结构、材质理解和相机控制上的短板 ; 对行业而言, 它也提供了一个可比较、可复现的参照。不过, 基准本身并不等于生产力落地, 模型能否稳定完成复杂任务、评测成本如何控制, 仍有待后续观察。

🚀 总结

阿里 Qwen 开源 BlenderWorld, 给视觉智能体出了一套 3D 建模大考:223 道题、2651 条标准、可编辑工程交付, 以及规则与视觉各半的评分方式, 都指向同一个方向——让 AI 从“画出来”走向“做出来”。