AA-3D compare 21 modèles d’intelligence artificielle

LLéna

Artificial Analysis a publié AA-3D, un benchmark qui compare 21 modèles d’intelligence artificielle sur la création de scènes 3D interactives, selon AlphaSignal. Le test demande aux modèles de transformer 55 briefs écrits en pages interactives réalisées avec three.js. Les évaluateurs explorent les scènes avant de voter à l’aveugle, sans savoir quel modèle les a produites. Le dispositif a recueilli plus de 10 000 votes acceptés auprès de plus de 1 000 évaluateurs ; chaque scène est explorée pendant au moins 30 secondes avant le vote. Claude Sonnet 5.5 arrive en tête du classement nominal avec 1 194 points Elo, mais les quatre premiers modèles sont considérés comme statistiquement à égalité : Claude Opus 5.5, GPT-6 Astra et Fable 5.1 complètent ce groupe. Les modèles à poids ouverts sont plus loin : Kimi K3 se classe 11e avec 982 points Elo, et MiMo-V2.6-Pro, 12e avec 977 points. L’écart dépasse donc 200 points avec le meilleur score nominal. Le coût de génération d’une scène va de 0,20 dollar pour GPT-6 Luna à 32,08 dollars pour Claude Fable 5.1. Enfin, pour les 19 modèles capables d’analyser des images, l’inspection plus précoce du rendu est fortement corrélée au score Elo, avec un coefficient de Spearman de 0,82. Ce résultat associe cette étape à la performance mesurée, sans établir à lui seul qu’elle en est la cause.