Einsia AI 發布 Frontier3DBench，評測 11 款模型的 3D 創作能力
Einsia AI 發布 Frontier3DBench，橫跨 Blender 與 Unreal Engine，用 9 大類 145 項任務（65 項物體、65 項場景、15 項開放世界）評測 Coding Agent 的 3D 創作能力。GPT-6.1-sol 以 66.02 分居總榜第一，物體層與場景層領先；開放世界層則由 GPT-6-astra 以 61.28 分領跑。
這是覆蓋物體、場景到互動開放世界的統一基準，145 項任務實測給出可復現的能力短板與 API 成本資料，對開發 3D Agent 和選擇模型的開發者有直接參考。
原標題：Einsia AI发布Frontier3DBench：Agent离真实3D创作还有多远？
閱讀原文
| 評分 | 76 / 78（平均 77，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
InnovationEval：前沿模型花數千美元 GPU 仍未復現人類演算法創新
新評測 InnovationEval 顯示，前沿模型無法獨立復現人類研究者近期做出的機器學習演算法創新：在端到端任務中，它們耗費數千美元 GPU 算力，仍未達到人類論文（on-policy self-distillation，SDPO）的水平。測試要求 AI 自主提出一種新的後訓練方法，在短答題與程式碼任務上後訓練 Qwen3-8B，並超過 GRPO 基線。主要結果來自 Claude Fable 5 與 GPT-5.6 Sol；
Einsia 發布物理世界模型評測：Seedance 2.5 最高 57.76 分
Einsia AI 旗下 Navers Lab 發布 World Models' Last Exam in Physics，用 40 個任務、9 類物理現象測試 8 個影片生成模型，Seedance 2.5 以 57.76 分居首，MiniMax H3 以 54.89 分次之。評分由一致性分 C 與物理分 P 組成，物理分靠程式從影片中測量軌跡、週期、角度等量再按物理關係計算，且只有 C≥80 才計入總分。
Einsia AI 發布 EmbodiedEvo，自進化 Coding Agent 登頂 RoboDojo
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo，讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons，凍結經驗後交給新 Agent 在未見場景複用，全程不更新模型權重。在具身評測 RoboDojo 上，它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法；
@OpenAIDevs: On Agents’ Last Exam, a benchmark that tests how well agents use complex professional software, GPT…
在 Agents' Last Exam 這項測試 agent 使用複雜專業軟體的基準上，GPT-6.1 Terra 達到 Astra 級表現，任務完成速度超過 3 倍，每 token 成本僅為十分之一。OpenAI 稱這套價效比可用於技術圖紙解讀、影像分析、介面導航與視覺流程自動化等應用。面向專業程式設計、研究與深度推理任務，GPT-6.1 Sol 與 GPT-6 Astra 仍是最強模型。
Kombai 發布 UI 設計創造力基準，最強模型僅 65.5 分
Kombai 發布 Design Creativity Bench，用 80 個開放式 UI 設計任務評測 16 個前沿模型的設計創造力，最強模型 OpenAI GPT-6 Astra 僅得 65.5 分，人類設計師參考為 92.3 分。榜單其後是 GPT-6.1 Sol 63.7、Grok 4.7 62.2、Gemini 3.8 Flash 60.6。