Artificial Analysis 推出 AA-3D 場景生成評測基準

據 V2EX 網友分享，隨著 Gemini-4-Argon 正式釋出，作者開展了一項為期 7 天的公開實驗。實驗中以 Gemini 4 作為公司高管與總架構師負責長程規劃和核心攻堅，並搭配 DeepSeek 驅動的員工負責實機自測與運營，嘗試在 1,000 美元預算內從零開發一款付費軟體替代品並開源。

直觀展示多 Agent 架構在實際軟體開發專案中的任務分工與落地實踐。

Artificial Analysis 在其智慧體推理效能基準 AA-AgentPerf 中加入了 DeepSeek V4.1 Flash，並公佈了 NVIDIA 和 AMD 硬體測試結果。在每使用者 100 tokens/s 速率下，NVIDIA GB300 吞吐量表現居首。

瞭解 DeepSeek 新模型在智慧體基準上的硬體推理效能表現。

據開發者分享，Gemini 4 正式釋出，其實測表現顯示出強勁的長程規劃和排程決策能力。作者以此為基礎啟動了一項 7 天實驗，讓 Gemini 4 擔任高管、DeepSeek 擔任員工來運營一家軟體公司。

展示了多 Agent 協同構建虛擬軟體公司的實操思路。

一位掘金作者認為 DeepSeek 4.1 Flash 被罵「降智」問題不在模型而在用法，文章給出模型路由、非同步批次打標兩套生產級程式碼與成本資料，並介紹用輕量模型當驗證器的雙模型校驗模式。

拿到輕量模型路由與雙模型校驗的可複用做法

Artificial Analysis 官方宣佈推出全新的 AA-3D 評測專案，並同步公開了詳細的排行榜與完整測試結果。該評測旨在為三維生成及相關 AI 模型能力提供獨立對比基準。

獲取三維生成類 AI 模型的新評測基準與排行榜。

Artificial Analysis 推出 AA-3D 盲測投票互動功能，允許使用者親自對比兩個匿名模型根據同一簡報生成的 3D 場景。使用者在瀏覽 3D 場景並做出選擇後，即可揭曉對應的模型身份。

可通過盲測工具親身體驗和對比不同 3D 生成模型的效果。

Artificial Analysis 公佈 AA-3D 的成本前沿：四款模型各佔一個價位檔，且每檔 Elo 都高於所有更便宜的模型。GPT-6 Luna 每場景 $0.20、Elo 1000，Claude Sonnet 5.5 每場景 $15.18、Elo 1194，其餘並列前四的模型每場景 $18.11 至 $32.08。

想比較 3D 場景生成的價效比，先看這四個價位檔

AA-3D 七個領域中有六個由前五名模型拿下最高勝率。在 living bodies 領域，排名第六的 GPT-6.1 Sol（78.6%）與 Claude Sonnet 5.5（78.5%）基本持平，約 12 分以內的差距被視為噪聲。

看同一批模型在 3D 各細分領域是否穩定領先

Artificial Analysis 推出 AA-3D，用來評測模型搭建可互動 3D 場景的能力。每個模型在離線沙盒中作為 agent 把文字 brief 轉成 three.js 網頁，再由人工評審團打分，最終以盲測投票排出名次。

互動式 3D 場景成為模型評測的新賽道

在星展銀行舉辦的一場論壇上，輝達 CEO 黃仁勳稱 DeepSeek、Kimi 和 GLM 等中國 AI 模型的表現「已經足夠優秀」。他表示自己是開源的堅定支持者，認為開源是推動效率提升的最佳方式，並稱市場將決定哪些模型最適合不同應用場景。

輝達 CEO 對中國開源模型的公開評價。