3DCodeVerse는 코드로 만든 3D 객체와 장면을 브라우저에서 실행하고 둘러볼 수 있는 데모이자 데이터셋이다. 제작진은 269,597개 프로그램에서 확장한 2,013,629개의 코드·조건 쌍과 이를 생성·점검하는 하네스를 공개하고, 3D 모델링 과제의 실행률과 사람 선호도 비교 결과를 제시했다.

첫 화면의 ‘The Jade Guardian’은 Three.js와 GLSL 코드 수백 줄로 메시, 재질, 조명, 물 표면을 만들며, 소스 외에는 다운로드하지 않고 브라우저에서 실행된다고 설명한다. 화면을 드래그해 시점을 회전하거나 다른 장면으로 바꿔 볼 수 있다.

데이터셋은 Blender Python, CadQuery, OpenSCAD, Three.js, URDF, GLSL, OpenGL 등 7개 언어·런타임을 다룬다. 공개 데이터셋에서 모은 프로그램과 하네스로 생성한 프로그램을 포함하며, 10개 컬렉션의 269,597개 프로그램을 렌더링 및 설명 항목으로 확장했다. 3DCodeBench의 팩토리, 인스턴스, 테스트 분할은 평가용으로 제외했다. Hugging Face 데이터셋

하네스는 프롬프트를 구성 요소와 치수, 재료, 공간 관계, 평가 기준으로 나눈 뒤 작업을 여러 하위 에이전트에 배정한다. 프로그램을 실행하고 접촉·충돌·관절 움직임·배치 등을 측정하며, 다중 시점 렌더링을 평가하는 비전언어모델(VLM)의 판단도 활용한다. 점검 결과는 수정 작업으로 이어지고, 여러 차례의 결과 가운데 점수가 가장 높은 프로그램을 보존한다.

제작진이 공개한 사람 선호도 비교는 텍스트에서 3D 객체를 만드는 프롬프트 100개를 대상으로 했으며, 동률은 양쪽에 절반씩 반영했다. 3DCodeVerse 하네스는 기본 하네스와 비교해 Claude Opus 5.5와 Claude Design 조합에서 90%의 선호를 얻었다. 같은 비교에서 Gemini 3.8 Flash와 Gemini CLI는 87%, GPT-6 Astra와 Codex는 69%, GPT-6 Luna와 Codex는 89%였다. 관절형 객체에서도 사람 선호도가 78~88%였다고 제작진은 밝혔다.

실행률은 각 언어의 고정 런타임에서 프로그램이 실행된 비율이다. 온도 0.7, 시드 하나의 조건에서 Qwen3.8-27B를 3DCodeVerse-2M으로 미세조정한 뒤 SFT와 DPO를 적용한 결과, 3DCodeBench 212개 과제에서 92.9%를 기록했다. 비교 기준인 미세조정 전 Qwen3.8-27B는 51.9%였다. 같은 모델의 결과는 Blender 103개 과제에서 93.2%, CadQuery 200개에서 98.5%, OpenSCAD 50개에서 90%, GLSL 200개에서 71.5%, Three.js 40개에서 92.5%였다.

전시된 장면은 하네스로 작성한 뒤 여러 차례 다듬은 사례다. 제작진은 이 사례들이 보고된 결과에 사용한 무작위 표본이나 모델 비교 자료는 아니라고 명시했다. 관련 논문: 3DCodeBench