当AI智能体开始动手搭建三维世界，它们最欠缺的能力，可能恰恰是照镜子。
发生了什么
一种名为LEGO-Anything的新方法，能够将单张照片转化为可编辑的Blender代码，从而生成3D场景。配套的基准测试显示，GPT-6 Astra以最高53%的重建准确率在所有受测智能体中领先。但更值得注意的发现是：所有被测智能体在判断自身几何重建是否准确这一项上，表现都不比抛硬币更好。
这意味着，智能体可以产出一段结构完整、语法正确的Blender代码，却无法可靠地评估这段代码还原出的三维空间是否与照片一致。它们能“做”，但不太能“看”。
为什么重要
从单张照片重建3D场景，一直是计算机视觉与图形学的交叉难题。传统方法依赖多视角图像或深度传感器，而生成式方法试图用先验知识补足缺失的维度信息。LEGO-Anything的思路是把3D重建转化为代码生成问题——让智能体输出Blender脚本，而不是直接输出网格或点云。这样做的好处是场景天然可编辑、可参数化，更贴近设计师和开发者的实际工作流。
但基准测试暴露出的“自我评估盲区”，触及了当前智能体架构的一个结构性弱点。在文本、代码等一维序列任务中，模型可以通过重读输出、比对约束来近似判断对错。而在三维几何任务中，判断“这个立方体的透视对不对”“这两个物体的空间关系是否合理”，需要一种模型目前并不具备的空间推理与视觉验证能力。
换句话说，智能体在3D任务上的瓶颈，不只是生成能力，更是验证能力。
影响与看点
对开发者和工具链而言，LEGO-Anything这类方法的价值在于把3D创作拉进了代码智能体的射程。如果Blender场景可以由智能体生成，那么批量场景搭建、参数化变体、基于照片的快速原型就有了新的自动化路径。但前提是，必须有人或某个外部系统来充当“质检员”。
这也解释了为什么配套基准测试本身可能比方法更值得关注。它把“智能体能否判断自己做得对不对”变成了可量化的指标，而不是一句模糊的担忧。53%的重建准确率与“抛硬币级别”的自我评估，这两个数字放在一起，勾勒出当前智能体在空间任务上的真实水位：能动手，但还不能负责。
一个合理的判断是：短期内，3D场景生成智能体更可能以“副驾驶”形态落地——由人类设计师审核几何合理性，智能体负责快速产出可编辑的初稿。真正的全自动3D内容管线，还需要等自我验证能力出现实质性突破。在那之前，让智能体学会“知道自己不知道”，可能比让它生成更复杂的场景更有价值。
