3DSceneBench评测3D场景实际可用性

PranaLabs 与 UC Berkeley 发布 3DSceneBench，首个评测编程智能体构建功能性 3D 世界的基准。评测不以外观逼真度为重点，而关注重建结果能否实际使用，例如抽屉能否打开；已有编码智能体的功能得分仅为 42.1。

PranaLabs 团队发布 3DSceneBench，评测编码智能体重建 3D 房间后能否支持抽屉开启、杯子端取等实际用途。基准含 49 个完整房间场景、7 个类别、14,219 个物体和 471 个任务，功能性最高得分仅为 Claude Opus 5.5 的 42.1，领先智能体也仅完成约四分之一任务。团队预告 12 月将推出更真实、更具挑战性的场景。