AA-3D 排行榜解析：AI 做互動 3D 場景，如何看品質、成本與統計並列？
Artificial Analysis 發布 AA-3D，讓 AI 從文字要求建立互動 3D 網頁。本文說明盲測、統計並列、生成條件與成本，幫你挑選適合自己的模型。
Artificial Analysis 在 2026 年 10 月 12 日發布 AA-3D，讓 AI 製作互動三維場景的能力有了新的比較方式。
使用者不只看一張截圖，也可以打開場景、操作並比較不同模型的作品。
發布時最高分模型與其他三款在統計上並列，看到排行榜第一名，仍需要看分數的不確定範圍。
場景品質與生成費用也有很大差異，最貴的選項未必最適合每一項工作。
這份榜單適合拿來縮小試用範圍，再用自己的互動需求比較候選模型。
先理解它測了什麼、怎麼投票，才知道哪些結果可以帶進產品選型，以及哪些還需要另外驗收。
AA-3D 測的是什麼作品？
AA-3D 衡量模型把文字要求轉成可操作三維網頁的能力。三維也常寫成 3D，畫面中的物件有空間關係，使用者可以依設計轉動、操作或探索。
模型以代理形式工作，意思是它不只產生一次答案，還能寫程式、使用工具、查看畫面與修改。最終交付是一個能在瀏覽器執行的網頁場景。
這和生成三維模型檔或一段影片不同。網頁需要有可執行的程式，場景可能有按鈕、鏡頭控制與互動規則，觀看者的操作會改變結果。
同一要求讓不同模型比較
第一版包含五十五項任務、七類主題。每項任務給定要展示的內容與互動需求，再讓不同模型在相同條件下完成。
這樣的設計能避免一款模型做簡單展示、另一款做複雜遊戲，卻直接把兩者比較。使用者投票時看到的是同一要求下的不同作品。
但主題廣泛不代表每種用途都涵蓋。若你的工作是醫療教學、精密工程或特定裝置操作，還需要建立對應內容與正確性標準。
一個能探索的人體場景可能很吸引人，卻不一定通過專業解剖檢查。排名衡量的是該套任務的整體偏好，不能直接轉成學科知識保證。
完成條件包含環境限制
官方方法設定每題一次機會，最多三小時或二百五十輪代理操作。環境離線，提供固定運算資源與工具，要求場景能自行執行。
離線代表不能臨時從互聯網取得任何想要的資源，但沙盒內有預先提供的工具和素材。它並不是完全沒有資料或只靠一句提示。
固定環境讓比較更公平，也限制結論可延伸的範圍。模型接上不同工具、網路或運算設備，實際製作方式與效果可能改變。
因此讀榜單時，應一起看代理環境與模型設定。只有模型名稱相同，不能保證你的專案會得到同樣品質或在相同時間內完成。
盲測分數與統計並列怎麼看？
官方先檢查場景能否載入與持續顯示，再由招募的評測者比較。無法正常運行的作品會被排除投票，因此偏好分數有進入投票的前提。
看過並操作後再選作品
評測者不知道兩個場景是哪個模型做的，要在每個場景至少觀看三十秒後才能投票。這比只看模型品牌或第一張圖多了一層控制。
方法文件也安排品質檢查，未通過的投票場次會移除。官方說明，一般網站訪客的公開投票不會計入排行榜分數。
你可以使用公開比較頁體驗作品，但自己的投票不等於改變正式排行榜。這個區別能避免把社群人氣與受控評測混在一起。
投票本身反映人們較喜歡哪個作品。偏好可能包含細節、操作與視覺完整度，卻不等於每項功能都經過逐條驗證。
第一名不代表已明確勝過所有模型
發布文章中，Claude Sonnet 5.5 的分數為一千一百九十四，最高四款模型的信賴區間重疊。官方因此說明它們在統計上並列。
信賴區間可以理解為估計分數的不確定範圍。資料還不足以把很小差距視為明確勝負時，保留候選群會比只看單一名次合理。
這不代表四款模型在每個場景都做得一樣。它們可能各有較擅長的題目，只是在目前整體評測中，差異還不足以支持穩定排序。
實際選型可以從這幾款開始，挑自己的代表任務比較。若品質差距不大，再用費用、等待時間與交接難度決定，比追逐微小分差更實用。
發佈快照和實時榜單要分開
本文採用十月十二日發布文章所固定的結果。即時榜單可能加入新模型或投票，之後查詢時，名次與分數不一定相同。
分享圖表時可以附上日期與版本，避免讀者以為舊截圖就是現在結果。若要做採購或導入決定，則在決定前重新查看當前資料。
分數是相對於比較對象估計，也不宜把兩個不同版本的分數直接相減，當成某款模型已經進步多少。
生成一個場景的成本怎麼比較？
官方發布快照顯示，平均每個場景的模型費用範圍約為零點二到三十二點零八美元。這是該評測設定下的生成成本，不是整個商業專案的售價。
單次成功與完成交付有不同費用
日常專案可能需要多次生成、修改與人工審查。模型一開始做出可開啟的場景，距離可交給客戶使用，還可能有內容、介面與效能調整。
例如教育互動頁除了畫面，也需要正確標籤、教學步驟與可讀文字。這些要求會增加驗收和修改，不能只用一次生成的帳單估總成本。
讀者可以將模型費、環境費與人工時間分開紀錄。哪款模型少花一點生成費，卻需要更多修正，只有完成同一任務後才比較得出。
低價模型也值得留下候選
發布資料中，最低成本的 GPT-6 Luna 排名第八。這說明費用與品質並非簡單一對一關係，預算有限時可以先測較便宜選項。
若任務只是讓產品可以轉動查看，要求可能比完整可玩的三維場景少。較低成本模型是否足夠，應以自己的輸入與驗收決定。
反過來，若便宜選項經常缺功能或不能穩定輸出，累積重做也可能增加費用。看平均數之外，最好保存每次嘗試的成功與失敗情況。
選擇較昂貴模型時，可以先明確說出期待省下哪一步。是改善空間結構、減少程式錯誤，還是更快完成交付，才有評估投入是否值得的依據。
用自己的互動需求做第二輪驗收
排行榜可以幫你選模型，但作品仍要服務特定使用者。最實用的下一步，是寫一份短需求，讓候選模型完成同樣的可核對工作。
功能、外觀與內容分開檢查
先列出使用者應能做的動作，例如轉動模型、切換部件或重設畫面。每個動作都要有預期結果，才能知道按鈕是否真的完成工作。
再檢查外觀，包括文字可讀、顏色對比、物件位置與視角。畫面吸引人，不代表重要內容容易找到，鏡頭也可能遮住關鍵結構。
內容正確性則由任務決定。如果場景呈現機械結構，就核對部件與運動關係；如果是歷史建築，就核對標籤和示意範圍。
這三種檢查分開紀錄，修改會更明確。你可以指出某個操作失敗，或某項標註不正確，而不只給一句「看起來還不夠好」。
操作設備與使用場景要相符
桌面滑鼠能操作的介面，手機上可能沒有相同方式。需要觸控的項目，應檢查按鈕尺寸、拖曳行為與頁面滾動是否互相干擾。
低效能裝置也可能讓場景變慢。先選擇預計使用者會用的代表設備，觀察載入、操作與重設，避免只在開發電腦上驗收。
如果網路斷開仍要使用，就檢查素材是否已經包含在交付內。網頁可載入，不代表後續每個模型、字型與貼圖都能離線顯示。
測試過程保留固定操作順序與截圖，方便下一次版本比較。模型改了一處之後，應重看受影響功能，確認沒有讓另一個動作失效。
可維護的三維網頁需要哪些交付資料？
一個完成場景的網頁可能很難修改，也可能很容易接手。若準備長期使用，需要把維護性加入評價，不能只看一次的偏好投票。
找得到要改的內容
把可替換的文案、顏色、素材路徑與主要參數寫清楚。接手同事若要改產品名稱，不該先理解整份場景程式才能找到正確位置。
將原始需求與已驗收功能放在一起，能保留「為何這樣做」的背景。之後新增按鈕或變更尺寸時，才能判斷是否改變原本使用流程。
素材與套件也要留下來源。評測環境提供的資源有既定範圍，實際項目若加入其他素材，應另外檢查其使用條件與後續取得方式。
已知限制比完美聲明更有用
如果場景只在某些瀏覽器測試過，就保留這個範圍。若複雜物件在手機會較慢，也說明已觀察到的情況，方便團隊決定是否簡化。
不需要把每個實驗作品都當成正式產品。先給它明確用途，例如提案示意、課堂探索或功能原型，再決定需要補到什麼程度。
當場景能回答具體問題，模型選擇就有了依據。是否得到可操作、可核對、可修改的成果，會比排行榜截圖更接近你的實際收益。
保存失敗也能幫助選型
場景無法啟動、畫面空白或缺少關鍵操作，都應該留下紀錄。只保存最好的一次，會高估日常成功率，也難以解釋以後為何常需重做。
比較時維持相同時間與嘗試次數，再分別列出一次成功率和人工修正時間。這樣能看出模型擅長直接完成，還是需要較多協助。
團隊可以先約定停止試作的條件。如果持續修改仍無法補齊關鍵功能，就換用更適合的工具或縮小示意範圍，而不是無限消耗回合。
延伸閱讀：3JSBench 揭露 AI 3D 物件的連接問題：做 Three.js 作品，如何同時驗收外觀與結構？
延伸閱讀：Blender MCP 教學：從 X 熱傳 3D 短片，學會分鏡、場景與可修改專案的驗收
AA-3D 結果如何用在不同工作？
如果目的是產品提案，可以先用 AA-3D 選出幾款模型，再看它們是否快速做出可探索的概念。這階段重點是幫人理解方向，未必要有正式服務的全部功能。
若要放進公開網站，驗收就應增加載入時間、錯誤狀態與其他頁面的整合。單頁場景表現良好，還不能說明它接上網站後是否維持穩定。
教學用途則先確認學習目標。讓學生轉動物件，是為了辨認部件、觀察變化還是回答問題，這些目標會決定應保留的控制方式與標註。
AA-3D 的互動作品可以提供參考，但需求文件應保留你的目標與限制。這樣模型換了、排名變了，團隊仍有相同標準比較新的輸出。
試作結束後也可留下淘汰原因，例如內容不正確、操作不易理解或手機效能不足。下一輪就能優先處理已知問題，而非從頭猜測模型選型。
AA-3D 常見問題
排名第一就是最適合我的模型嗎？
榜單反映固定任務和環境中的整體表現。先看統計並列與成本，再用自己的代表任務比較，才能知道哪款符合實際需要。
公開投票會改變正式排行嗎？
官方說明，公開體驗投票不計入排行榜。正式分數來自招募評測者的盲測與品質控管，分享時應分清兩個流程。
可執行就代表內容正確嗎？
場景能運行是進入投票的條件，不是所有內容的專業審核。教學、工程或商業資訊仍應由了解該領域的人核對。
文章中的費用是整個專案預算嗎？
它是發佈時評測條件下的平均模型生成費。實際交付還可能包含重做、素材、環境與人工檢查，應依自己的流程估算。
把榜單轉成可操作的試用清單
AA-3D 提供一個比文字答案更接近互動作業的比較入口。先選幾款候選，寫清楚需求，再分別驗收操作、內容、顯示與維護。
把結果與實際支出一起保存，你就能根據工作完成情況選模型，也能知道下一次應該改善提示、工具還是交付流程。
免費訂閱 AI 郵報，持續追蹤 AI 模型評測與實際選型方法。
