BlenderWorld：通义千问推出的AI三维创作智能体标准化测试数据集

一、BlenderWorld是什么

BlenderWorld 是阿里Qwen通义千问团队开源的视觉智能体3D创作评测基准，基于Blender三维软件构建，MIT开源协议。它区别于普通文生3D图片工具，核心目标不是直接输出一张渲染效果图，而是评估多模态大模型作为智能体，能否读懂用户需求、调用Blender，生成完整可编辑的.blend工程文件，从几何体、材质、灯光、相机到场景布局全部真实构建，用来衡量大模型操作专业3D软件、完成三维创作的综合能力。

整套项目包含评测任务数据集、自动化渲染脚本、打分判定规则与配套MCP通信插件。

二、功能特色

1. 原生Blender工程输出：模型输出成果为.blend源工程，支持在Blender内二次编辑修改，并非仅生成静态图片。

2. 多模态输入评测：支持文本、图片、视频、附带尺寸参数文档四类输入指令，覆盖多种创作需求。

3. 多维度自动化评测体系：内置223个任务，配套2651条标准化二元评分细则，自动从8个不同相机视角渲染场景，结合自动化规则+大模型双维度评判。

4. 全场景任务覆盖：包含产品设计、建筑、自然环境、角色生物、动画、科学可视化等9大领域22个子类任务，兼顾简单静态物体与复杂场景搭建。

5. MCP通信交互能力：配套Qwen-MM-Plugins插件，基于blender-mcp改造，实现大模型和Blender之间远程指令通信，支持智能体循环调用Blender调试场景。

6. 开源完整可复现：数据集、代码、评测脚本全部开放，研究者可以直接复现实验、自定义新增评测任务。

三、技术细节

BlenderWorld整体分为三层架构：多模态大模型智能体层、MCP通信中间层、Blender场景执行与评测层。

• 智能体层：使用Qwen多模态模型解析文本/图像/视频指令，将创作需求拆解成Blender可执行Python脚本指令，完成建模、材质赋予、灯光相机设置。

• MCP中间层：MCP协议作为桥梁，建立大模型和Blender进程之间的双向通信通道，支持指令下发、场景状态回传、错误反馈，实现闭环迭代调试。底层基于开源项目blender-mcp改造，封装Blender Python API调用。

• 评测层：任务执行完成后，自动在Blender中切换8个预设相机视角批量渲染；按照预先定义的2651条判定规则，做自动化指标校验，再通过LLM进行语义一致性打分，综合输出模型在3D创作任务上的得分。

• 任务数据集划分：223项任务，其中纯文本任务78条，图文任务130条，视频输入任务15条，附带规格文档任务59条。

• 授权协议：MIT开源协议，允许商用研究与二次开发。

四、应用场景

1. 大模型科研评测：多模态大模型、AI智能体方向研究者，用来测试模型使用专业3D软件完成复杂空间任务的能力，横向对比不同模型的3D智能体性能。

2. AI三维智能体开发：开发能够操作Blender的AI智能体，以BlenderWorld作为标准化测试集，迭代优化模型的空间推理、代码调用、场景纠错能力。

3. AI内容生成算法验证：验证文生3D、图生3D智能体方案，区分“图片生成”和“真实三维场景构建”两类能力。

4. 教学与实验：高校、实验室用于多模态工具调用、具身智能相关课程实验，提供标准化开源3D任务库。

五、使用方法

1. 环境准备：安装Blender软件，配置Python运行环境，克隆BlenderWorld项目仓库，安装项目依赖包；部署Qwen-MM-Plugins插件，开启Blender MCP通信服务。

2. 数据集加载：加载内置223条评测任务，选择输入类型（文本/图片/视频），读取任务附带的参数规范文档。

3. 启动智能体：接入目标多模态大模型，模型解析任务需求，通过MCP向Blender发送Python操作指令，逐步搭建3D场景。

4. 自动渲染打分：场景构建完成后，评测脚本自动切换8个视角渲染图像，执行规则校验与LLM评分，输出单项任务得分与综合指标。

5. 结果导出：导出.blend工程文件、渲染图、完整评测日志，支持自定义新增任务进行扩展测试。

六、竞品对比

选取同领域3D智能体评测基准项目做横向对比，仅对比产品定位、核心能力与评测方式，不对比价格。

七、常见问题解答

问：BlenderWorld是可以直接用来做AI生成3D模型的成品工具吗？

答：不是。BlenderWorld本质是评测基准，主要用来测试大模型作为智能体操作Blender的能力，不是面向普通设计师的一键建模工具。你可以基于这套框架，接入多模态模型，搭建属于自己的AI 3D智能体。

问：BlenderWorld支持哪些Blender版本？

答：项目依托Blender原生Python API与MCP通信，推荐使用较新的稳定版Blender，需要保证Blender Python环境可以正常执行脚本，具体版本要求参考仓库内环境配置文档。

问：BlenderWorld评测的重点为什么是.blend工程而不是渲染图片？

答：单纯一张渲染图只能看视觉效果，无法验证模型是否真正理解三维空间、物体参数、材质灯光逻辑。输出.blend工程可以检查场景内几何体结构、参数、材质节点，评判模型真实的三维构建能力，避免图片生成带来的“表面看起来对，底层三维结构无效”的评测偏差。

问：可以在BlenderWorld里新增自定义评测任务吗？

答：可以。项目开源，任务格式标准化，开发者可以按照原有任务规范，自行编写新的任务描述、判定规则，加入数据集开展自定义实验。

问：使用BlenderWorld是否需要本地部署大模型？

答：支持两种方式，可以本地部署Qwen多模态模型，也可以调用远程API接入其他多模态模型进行对比评测。

八、相关链接

• 项目官网：https://blenderworld.github.io/

• GitHub仓库：https://github.com/QwenLM/BlenderWorld

• HuggingFace模型库：https://huggingface.co/datasets/Qwen/BlenderWorld

九、总结

BlenderWorld由通义千问Qwen团队开源，是一套面向多模态视觉智能体、依托Blender软件构建的完整3D创作评测基准，拥有标准化任务集、自动化渲染流程和双维度打分机制，它跳出传统文生3D只评估效果图的思路，以完整可编辑Blender工程作为评估载体，为学术界和开发者提供统一、可复现的测试平台，用于衡量大模型理解多模态指令、调用专业三维软件完成场景搭建的能力，是AI 3D智能体领域重要的开源评测工具。