核心信息

Qwen Developers 开源了 BlenderWorld，这是一个包含 223 个任务的基准，用于检验视觉智能体能否用 Blender 将文本、图像或视频参考转化为完整、可编辑的 3D 场景。评估基于对实际工程文件的检查和多视角渲染，而非仅看 2D 效果。

要点

  • 223 个任务，覆盖文本、图像、视频三种条件的 3D 场景构建
  • 智能体需产出可编辑的 Blender 工程，而非仅生成图片
  • 评分结合场景检查与多视角渲染，以验证 3D 一致性
  • 已在 GitHub、ModelScope 和 Hugging Face 发布，附展示案例，支持接入自定义 3D 智能体