上一期，我们比较了 Codex、WorkBuddy、豆包工作和千问办公在 AutoCAD 中的实际交付。这一期，我们继续聚焦工业场景，把考场搬到 Blender，看看这四款 Work Agent 在三维建模与动画任务中的表现。
我们都测试了什么
我们邀请了 8 位行业专家，共准备了 37 道题目。我们既看模型与动画是否符合要求，也检查交付的工程文件能否让人接着修改和使用。
本篇主要介绍其他 36 道题，其中《Roadster 飞跃复刻》的详细过程，欢迎查看《最强 Agent，能否复原出特斯拉飞行汽车？》，了解 4 家 AI Agent 详细复刻过程和最终效果。
成绩与能力差异：谁领先，优势在哪里？
综合本轮评估结果，**Codex 以 96.8 分领先，WorkBuddy 为 72.4 分，豆包工作为 70.7 分，千问办公为 66.6 分。**Codex 在五个维度上的均分均为最高；其余三家各有短板，其中 WorkBuddy 的展示表达较好，豆包工作的功能与空间关系得分略高。四家的可编辑性都达到 90 分及以上，真正拉开差距的，更多是几何细节、结构关系，以及模型和展示能否一致地落实要求。
五个维度分别表现怎样？
**需求完成度：交齐产物之后，差距在于落实了多少具体要求。**Codex 在所有题目中需求完成度得分最高，实际产物也保留了更多可与参考逐项对应的结构。以瓦力机器人为例（下文会详细说明），四家都交出了整机、爆炸模型和 PDF，但 WorkBuddy、千问办公在瓦力眼部、机械臂和履带仍有较多简化。
**几何与尺寸准确性：细节丰富，不等于形态还原准确。**这是三维参考还原中突出的提升空间。还是以瓦力机器人为例，豆包做出了瓦力的分层镜头与颈部支架，整体比例仍偏离参考；Codex 的镜头细节更丰富，却也没有准确保留双眼的倾斜姿态。
**功能与空间关系：能把零件拆开，还要把装配关系讲清楚。**Codex 的瓦力拆解层次较清楚，WorkBuddy 的部分部件则集中在箱体周围、相互遮挡；到天文钟，Codex 虽然展开了钟面与机芯，顶部天文机构仍成组保留。高分产物也存在拆解覆盖不足；这些静态证据能判断结构表达，不能直接证明机构实际可运转。
**图纸表达与一致性：模型里有的内容，也可能在交付图册里看不清。**WorkBuddy 的缝纫机图册视图与传动说明较完整，但个别题目中仍出现图文遮挡；豆包也有图幅偏小、文字压图的问题。
**可编辑性与接手成本：四家都留下了可继续修改的基础，后续修正量却不同。**四家在这一维度的均分都达到 90 分及以上，交付的 Blender 工程文件均能正常打开并继续编辑。不过，从“能修改”到“改到符合要求”，仍有工作要做：有的需要调整部件角度，有的需要重做简化机构，还有的需要整理图册。本轮未测量这些修改所需的时间，因此高分说明文件具备继续编辑的基础，不能直接说明后续修改省力。
Codex 领先，国内 Agent 的追赶空间在哪里？
这轮 Blender 评测中，Codex 展现了更强的综合能力：既保留了更多模型细节，也更完整地落实了任务要求。但国内几款 Agent 同样交出了模型、动画和可继续编辑的工程文件，在部分任务中也能清楚表达结构、完成有效修正。对于愿意从初稿开始迭代的使用者，它们已经值得拿自己的实际任务试一试，看看哪些工作能交给 Agent，哪些环节还需要自己把关。
这些案例也让进步方向变得更加具体：更准确地理解参考中的形状和动作，更合理地安排建模与渲染步骤，以及在交付前检查轮轴、部件关系和关键画面，都可能改善最终结果。这里既有模型理解与推理能力的空间，也有 Agent 工具使用、流程设计和验收机制的空间。WorkBuddy 的反复返工、豆包对局部问题的有效修正，都说明：如何检查、检查什么、发现问题后怎样改，会直接影响交付质量。
Codex 的领先值得重视，国内 Agent 和模型已经做到的部分也值得继续探索。我们期待后续评测中看到，更多产品能把这些具体短板逐一补齐，让用户拿到的作品更准确，也更容易接着用。
关注我们，后续将带来更多 AI Agent 横向评测，一起看看它们在真实任务中的表现。