Artificial Analysis 推出 AA-3D 场景生成评测基准

据 V2EX 网友分享，随着 Gemini-4-Argon 正式发布，作者开展了一项为期 7 天的公开实验。实验中以 Gemini 4 作为公司高管与总架构师负责长程规划和核心攻坚，并搭配 DeepSeek 驱动的员工负责实机自测与运营，尝试在 1,000 美元预算内从零开发一款付费软件替代品并开源。

直观展示多 Agent 架构在实际软件开发项目中的任务分工与落地实践。

Artificial Analysis 在其智能体推理性能基准 AA-AgentPerf 中加入了 DeepSeek V4.1 Flash，并公布了 NVIDIA 和 AMD 硬件测试结果。在每用户 100 tokens/s 速率下，NVIDIA GB300 吞吐量表现居首。

了解 DeepSeek 新模型在智能体基准上的硬件推理性能表现。

据开发者分享，Gemini 4 正式发布，其实测表现显示出强劲的长程规划和调度决策能力。作者以此为基础启动了一项 7 天实验，让 Gemini 4 担任高管、DeepSeek 担任员工来运营一家软件公司。

展示了多 Agent 协同构建虚拟软件公司的实操思路。

一位掘金作者认为 DeepSeek 4.1 Flash 被骂「降智」问题不在模型而在用法，文章给出模型路由、异步批量打标两套生产级代码与成本数据，并介绍用轻量模型当验证器的双模型校验模式。

拿到轻量模型路由与双模型校验的可复用做法

Artificial Analysis 官方宣布推出全新的 AA-3D 评测项目，并同步公开了详细的排行榜与完整测试结果。该评测旨在为三维生成及相关 AI 模型能力提供独立对比基准。

获取三维生成类 AI 模型的新评测基准与排行榜。

Artificial Analysis 推出 AA-3D 盲测投票互动功能，允许用户亲自对比两个匿名模型根据同一简报生成的 3D 场景。用户在浏览 3D 场景并做出选择后，即可揭晓对应的模型身份。

可通过盲测工具亲身体验和对比不同 3D 生成模型的效果。

Artificial Analysis 公布 AA-3D 的成本前沿：四款模型各占一个价位档，且每档 Elo 都高于所有更便宜的模型。GPT-6 Luna 每场景 $0.20、Elo 1000，Claude Sonnet 5.5 每场景 $15.18、Elo 1194，其余并列前四的模型每场景 $18.11 至 $32.08。

想比较 3D 场景生成的性价比，先看这四个价位档

AA-3D 七个领域中有六个由前五名模型拿下最高胜率。在 living bodies 领域，排名第六的 GPT-6.1 Sol（78.6%）与 Claude Sonnet 5.5（78.5%）基本持平，约 12 分以内的差距被视为噪声。

看同一批模型在 3D 各细分领域是否稳定领先

Artificial Analysis 推出 AA-3D，用来评测模型搭建可交互 3D 场景的能力。每个模型在离线沙盒中作为 agent 把文字 brief 转成 three.js 网页，再由人工评审团打分，最终以盲测投票排出名次。

交互式 3D 场景成为模型评测的新赛道

在星展银行举办的一场论坛上，英伟达 CEO 黄仁勋称 DeepSeek、Kimi 和 GLM 等中国 AI 模型的表现「已经足够优秀」。他表示自己是开源的坚定支持者，认为开源是推动效率提升的最佳方式，并称市场将决定哪些模型最适合不同应用场景。

英伟达 CEO 对中国开源模型的公开评价。