阿里 Qwen 开源 BlenderWorld：223 道题、2651 条标准，给 AI 出了一套 3D 建模大考

让大模型会画画已经不稀奇，但让它真正会做 3D 建模，难度完全是另一种量级。阿里 Qwen 团队开源的 BlenderWorld，就是为这件事准备的一套评测基准。

一、BlenderWorld 是什么

它把 3D 建模任务拆解成可评测的题目集：

• 223 道任务题：覆盖建模、材质、灯光、动画、渲染等不同环节；
• 2651 条评判标准：把模型做得好不好拆成可逐项核对的具体条件；
• 基于 Blender：用开源 3D 软件作为执行环境，可复现、可脚本化。

换句话说，它不是在考模型能不能说出一段建模代码，而是在考模型能不能真的把东西做出来、做对。

二、为什么 3D 评测这么难

1. 结果是多模态的
代码能跑通只是第一步，最终产物是三维几何体——形状、比例、结构层次都要对。

2. 评判标准主观
一个合理的椅子没有唯一答案。BlenderWorld 的做法是给出细粒度判据，把主观问题尽量客观化。

3. 链路极长
建模涉及命令调用、参数调整、迭代修改，中间任何一步出错，最终结果就废了。这对智能体的长程规划能力是硬考验。

三、对从业者意味着什么

对 3D 建模师：短期内不必焦虑。AI 目前能处理的是结构清晰、可参数化的物件。真正需要审美判断、工艺经验和客户沟通的部分，仍然依赖人。但从重复建模到创意建模的迁移会加速。

对开发者：这类评测基准的价值在于有标尺才能进步。如果你在做智能体相关开发，可以把它当成一个难度较高的回归测试集，用来判断模型的工具调用能力到底什么水平。

对本地玩家：Blender 本身是免费的，评测集开源，想自己跑一套的路径是通的：装 Blender、拉起脚本环境、接入模型 API、跑题批量出分。消耗主要在模型调用成本和渲染时间上。

四、一个值得关注的方向

3D 内容是 AI 最后几块难啃的骨头之一。文本、图像、音频、视频都已经有相对成熟的生成方案，三维资产的生产效率却一直卡在人工建模上。

BlenderWorld 这类基准的出现，说明行业开始把能不能真的产出可用 3D 资产当成正经目标来考核。如果这条路走通，游戏、影视、电商展示、工业设计的内容生产成本会被重新定义。