لقد قسنا الذكاء. حان الوقت لنراه.

لقد قسنا الذكاء. حان الوقت لنراه.

نطلق اليوم AA-3D، معيارنا الجديد لمدى قدرة نماذج الذكاء الاصطناعي على بناء مشاهد 3D تفاعلية. يعمل كل نموذج كوكيل في بيئة تجريبية غير متصلة بالإنترنت ويحوّل موجزاً مكتوباً إلى صفحة ويب بـ three.js. تقارن لجنة محكّمين بشريين أزواجاً من المشاهد المبنية من الموجز نفسه دون معرفة أي نموذج صنع أي مشهد.

تفاصيل AA-3D:

➤ 55 موجزاً مكتوباً موزعة على سبعة مجالات، تشمل المعالم، الآلات، الأجسام الحية، الألعاب، والفضاء. يوضح كل موجز ما يجب أن تُظهره المشهد وكيف ينبغي للناس التفاعل معه، ويترك الباقي للنموذج

➤ يحصل كل نموذج على 3 ساعات و250 دورة كحد أقصى. تتضمن بيئته التجريبية Blender وفيزياء Rapier وPython ومتصفحاً بلا واجهة لاختبار عمله، ومكتبة CC0 من المواد والنماذج ثلاثية الأبعاد والشخصيات

➤ يقضي أعضاء اللجنة 30 ثانية على الأقل مع كل مشهد قبل التصويت. واحدة من كل أربع مقارنات هي اختبار تحقق

➤ أكثر من 10,000 صوت محتسب من أكثر من 1,000 عضو لجنة ترتّب 21 نموذجاً بحسب Elo، بفواصل ثقة 95%

النتائج الرئيسية:

➤ أربعة نماذج متعادلة إحصائياً في الصدارة: Claude Sonnet 5.5 (1194)، Claude Opus 5.5 (1190)، GPT-6 Astra (1165)، وClaude Fable 5.1 (1131). تتداخل فواصل الثقة 95% للنماذج الثلاثة الأخرى مع فاصل Claude Sonnet 5.5

➤ يرتفع Elo في AA-3D مع الذكاء: كل نقطة في مؤشر الذكاء من Artificial Analysis تساوي نحو 18 نقطة Elo (بيرسون 0.92)

➤ أفضل النماذج ذات الأوزان المفتوحة، Kimi K3 (982) وMiMo-V2.6-Pro (977)، تحتل المرتبتين 11 و12، بأكثر من 200 نقطة خلف المركز الأول

➤ تكلفة المشهد الواحد تتراوح بين $0.20 و$32.08 بحسب النموذج. الأرخص، GPT-6 Luna، يحتل المرتبة الثامنة

المزيد من النتائج، ومشاهد إضافية، وطريقة عمل AA-3D، كل ذلك في السلسلة أدناه.