12款大模型考三维科学 GPT-6最高0.53分

时间：2026年10月30日，UniPat AI 与视觉推理实验室 Elorian AI 联合发布跨学科三维科学理解与推理评测基准 ScienceVision，当晚中文解读由新智元首发，多家中文科技媒体随后转载。 地点：UniPat AI 官方博客与 GitHub 仓库同步上线基准代码、任务数据与论文，评测场景覆盖生物学、化学、医学影像、机械 CAD、建筑五个学科。 人物：项目由 UniPat AI 和 Elorian AI 共同完成，核心贡献者包括 Tianyi Ma、Jing Gu、Haozhe Zhao、Liang Chen、Yunfan Zhang 等；UniPat AI 搭建了覆盖五个领域的专家标注平台，维护 66 名领域专家，累计投入 482.98 小时。 事件详情：ScienceVision 用 250 道基于真实三维源数据构建的题目测试模型，题目分生物、化学、医学影像、机械 CAD、建筑五个学科，每个学科 50 题，横跨 22 个子领域。每道题由四部分组成：一份三维源数据（分子坐标文件、CT 体数据、机械装配体、建筑模型）、一个领域问题、一份作答要求，以及专家标好的参考答案；答案用确定性规则逐项核验，不用语言模型当裁判。评测跑了 12 个前沿模型，最高分是 GPT-6 Astra（搭配 Codex）的 0.53 分，满分 1 分，全部模型的区间是 0.53 到 0.16。学科差异比总分更明显：GPT-6 Astra 在建筑、机械 CAD、化学三科领先，分别是 0.458、0.580、0.609，生物由 Claude Fable 5.1 以 0.650 拿下，医学影像则是 Claude Opus 5.5 以 0.399 居首，没有哪个模型五科全优。官方还设置了一组只给六张固定角度二维渲染图的对照条件，最高只有 0.30 分（Claude Fable 5.1），GPT-6 Astra 为 0.25。全部 250 道题都附带了专家的检视操作轨迹，平均每次参考检视 8.63 步、最多 62 步，并逐步保存关键帧。 背景：GPT-6 Astra 此前因生成的 CAD 视频在 X 上走红，涡轮增压器等零件可以单独建模、正常转动并一键原地拆解展开，BenchCAD 跑分达到 95.9，一度引发 CAD 工程师岗位的讨论。工程师随后提醒：画得像不代表画得对，模型在科学原理、几何结构和部件关系上是否准确，此前没有统一的基准可以回答。ScienceVision 补的正是这段空白：已有的三维理解与推理基准多服务于室内场景理解、具身交互或工业设计，面向科学领域的三维评测几乎空白，而且各学科的题面和评分规则互不通用，化学分子和建筑构件的成绩第一次被放到同一把尺子下比较。 影响：给模型装上显微镜并没有解决问题。通过 MCP 提供的交互检视工具（视角切换、目标隔离、切片浏览、科学测量）里，榜单前五中提升最多的 GPT-6.1 Sol 也只涨了 0.02，GPT-6 Astra 两种设置相差不到 0.01，Claude Opus 5.5 反而掉了 0.02。官方还记录到一个细节：即便在工具模式下，模型仍会去读原始坐标文件，给它一台显微镜和一张数据表，它选数据表；医学影像学科里模型的操作次数约为专家的三倍，得分却是五科最低。分数本身也要谨慎读：GPT 家族两个模型改用 Claude Code 框架后，比 Codex 框架低 7 到 10 分，官方也说明部分成绩混用了历史跑分与重跑片段，这不是一次严格受控的对比。对做 AI for Science、CAD 和医学影像工具的团队来说，这份基准的价值在于把看得懂三维变成可复现的量化指标，官方博客还开放了五道样例的原始文件和检视工具，可以直接上手转一转、量一量。 总结：ScienceVision 第一次在统一框架下量出了前沿模型的三维科学观察能力边界，12 个模型、250 道题，最高分 0.53，只是刚过满分的一半。它的价值不只在一个分数，而在于题、工具、评分三件套都开放了，代码、任务数据、论文和五道可上手的样例都在官方博客与 GitHub 仓库里，可以直接复核。对读者更实用的含义是，AI 画得像和 AI 看得懂之间还隔着一段距离，工具再多也补不上这段，模型能转视角、能切片、能测量，却依然习惯性地绕开观察，直接去读坐标。 常见问题： 问：GPT-6 Astra 和 GPT-6.1 Sol 谁更懂三维科学？ 答：GPT-6 Astra 以 0.53 分居首，GPT-6.1 Sol 加上交互检视工具也只涨 0.02。 问：GPT-6 能看懂 3D 吗？ 答：生成侧能画出可转动的 CAD 模型，但三维科学理解最高只有 0.53 分，满分 1 分。 参考来源： UniPat AI 官方博客：ScienceVision 基准说明与模型成绩榜（2026-10-30） https://unipat.ai/blog/ScienceVision 官方 GitHub 开源仓库：任务代码、检视工具与论文 PDF https://github.com/UniPat-AI/ScienceVision 官方 HuggingFace 数据集页：ScienceVision 题目与专家标注数据 https://huggingface.co/datasets/UnipatAI/ScienceVision 36氪（新智元授权转载，2026-10-30）：GPT-6 三维科学评测中文解读 https://www.36kr.com/p/4048320092912129 新浪财经（转载新智元，2026-10-30）：GPT-6 三维科学理解评测 https://finance.sina.com.cn/stock/t/2026-10-30/doc-iniwzprk5417375.shtml 智源社区（2026-10-31）：ScienceVision 评测结果转载 https://hub.baai.ac.cn/view/59233 C114 光通信Pro：ScienceVision 评测，前沿大模型三维科学理解能力表现不佳 http://www.c114.net.cn/ainews/140179.html