阿里Qwen开源BlenderWorld：223题考AI能否交出可编辑3D工程

阿里Qwen开源BlenderWorld：223题考AI能否交出可编辑3D工程

给AI做3D，过去要么是“文生一张好看的图”，要么是“丢一个模型文件完事”。阿里Qwen团队在2026年10月14日开源的BlenderWorld，把这件事换成了一张大考卷：223道真实3D创作任务、2651条验收标准，考的是视觉智能体能不能在Blender里真正把一件作品做出来、还能交到设计师手里接着改。几句判断先说在前面：其一，它是一套评测基准，不是又一个会建模的模型——它自己不生成3D，而是给所有能驱动Blender的AI当考官；其二，“可编辑的工程文件”是这根指挥棒的核心，模型不能靠一张渲染图蒙混，几何、材质、灯光、相机、动画都得真搭出来；其三，评测不是“看一眼好不好看”，而是从8个视角渲染、再做场景结构校验加视觉质量双维度（各占50%）的硬验收；其四，它和不少“喊开源”的项目不同，代码与数据集实打实以MIT许可放到了GitHub、Hugging Face、魔搭社区，是真正的全开源。

它是什么：一场给AI的3D建模大考

先把它和“模型”掰开。BlenderWorld不产生任何3D内容，它是一个基准（benchmark）——一套题目加一套打分规则。你把自己能操控Blender的视觉智能体（比如某个大模型套上Agent框架）接进去，它按题目出需求，智能体在Blender里干活，最后系统拿着2651条标准逐条验收。换句话说，它是考官，不是考生；它要回答的问题是“这个AI到底能不能像人一样，把一个3D创作需求从头做到尾”。这和文生图、单张渲染评测最大的区别，在交付物：BlenderWorld要的是一个能双击打开、能被设计师接着改的.blend工程，而不是一张看起来对的图。

图：BlenderWorld评测闭环（相对关系，非官方图）

需求输入（文字/图/视频/规格）
        │
        ▼
视觉智能体在Blender中搭建3D工程
        │
        ▼
从8个自适应视角渲染.blend
        │
   ┌────┴────┐
   │结构校验  │ 视觉质量
   │（50%）  │ （50%）
   └────┬────┘
        ▼
按2651条二元标准逐项验收（通过/不通过）

说明：图示BlenderWorld的评测流程（需求输入→智能体在Blender搭建→8视角渲染→场景结构校验与视觉质量各占50%→对照2651条二元标准逐项判定），相对关系，非官方架构图。

考什么：从“看懂需求”到“交出工程”

把一道题拆开看，考的是三层能力。第一层是理解：需求可能只给一段文字、一张参考图，甚至一段视频，智能体得先读懂“到底要做一个什么东西、有什么约束”；第二层是生成：它要在Blender里真的把几何、材质、灯光、相机搭起来，动画、场景层级也要对；第三层是指令遵循：59道带规格文件的题，会额外甩给你尺寸、材质或相机参数，你要照着做，不能自由发挥。验收也硬：系统会从8个自适应视角渲染你交的.blend，一边做场景结构校验（东西搭对没、层级对没），一边做视觉质量评估（好不好看），两者各占50%，再按2651条二元标准逐项判定通过与否。

题库长什么样：223题、9大类、三种输入形态

223道任务不是一个模子刻出来的。它们铺在9个大类、22个子类上，从产品设计、建筑、自然环境，到角色、动画、科学可视化都有——基本覆盖了设计师日常碰到的3D创作面。输入形态也分了三档：78道只给文字描述，130道给“图片加文字”，15道给“视频加文字”；另有59道额外带了尺寸、材质或相机参数的规格文件。这个设计的聪明处在“难度阶梯”——越往后，模型要消化的信息越杂、约束越硬，纯靠“生成一张好图”的套路就越没用。

诚实边界

几句要泼冷水，也把口径摆正。其一，发布时间有差：Qwen团队是2026年10月14日开源的，中文技术媒体到10月17日前后才集中报道，消息标的10-19更像是传播/聚合时点——它不是“今天刚冒出来”。其二，它是评测集，不是模型：BlenderWorld不产出3D，它给能驱动Blender的视觉智能体当考官；别把它当成“又一个会建模的AI”。其三，它考的是“Agent能否在Blender里交付可编辑工程”，不是“大模型单卡推理能力”——被测对象是“会操作软件的工具型智能体”，结论只在“3D创作Agent”这条赛道里有效，别外推到通用大模型排名。其四，它真开源：代码与数据集以MIT许可发布在GitHub、Hugging Face、魔搭社区，可本地部署、可改；但要用它，得有Linux+Python 3.10+Blender 4.2.10的环境，门槛在研究者/工程师侧，不在普通用户。其五，截至发稿，各模型在这套题上的公开得分还在陆续跑出，本文只讲评测设计，不替任何模型下结论、也不给任何一方选型建议。

为什么这件事值得记

3D内容一直有个尴尬：文生图能出一张漂亮的静帧，却交不出一个能改的工程；不少“AI建模”演示看着炫，背后要么是预设模板，要么只敢给你看渲染图。BlenderWorld的价值，是不再拿“好不好看”当唯一尺子，而是把“能不能交付一个设计师愿意接手的工程”做成可量化、可复现的考试——2651条标准、8视角渲染、结构加质量各半，等于给“AI会不会用3D软件”立了一把统一的尺。对做3DAgent的团队来说，这把尺意味着终于有了一个能横向比、能追踪进步的公认考题，而不是各做各的demo。等各家模型陆续在这套题上跑出分数，关于“AI离真正接手3D生产还有多远”的讨论，才算有了共同的起跑线。