Компания Artificial Analysis представила бенчмарк AA-3D для оценки способности нейросетей создавать интерактивные 3D-сцены на основе текстовых описаний. Модели должны генерировать рабочий код с использованием библиотеки three.js для отображения графики в браузере.
Система ранжирования основана на слепом парном тестировании: эксперты сравнивают результаты двух моделей, не зная их названий, и выбирают лучший вариант. Итоговые оценки рассчитываются по системе Эло.
Ранее, 30 сентября 2026 года, компания запустила бенчмарк AA-Video-T2V v2.0, который собрал более 68 000 голосов по 1 000 запросам. В отличие от проектов вроде T3Bench или Blender AI Arena, сфокусированных на статичных объектах, AA-3D проверяет работоспособность интерактивного кода.
Тест оценивает навыки программирования, пространственное мышление и визуальное качество контента. На момент анонса 12 октября 2026 года методология, объем выборки промптов и результаты тестирования не были опубликованы.
