图纸转 3D，AI 能考几分？CADBench 测评解读
CADBench V3 的 40 道图纸题在 FreeCAD 中测试特征树建模。结合 2026 年 9 月成绩快照，拆解评分、模型与 Agent 的差异，以及分数对工程交付的适用边界。
原载「AI驱动产品设计」，资料口径截至 2026-10-18；本站整理复刊时保留原稿观点与数据快照，不代表当前排行榜或产品承诺。
本文解读 gNucleus 的 Parametric CAD Bench（cadbench.ai，下称 CADBench）V3。数据以官方页面和公开任务包为准，截至 2026 年 10 月 18 日；观点部分是我的判断。
第 02 篇写过 Normal 的 CAD Arena：18 张图纸，让大模型在 NX、SolidWorks、Onshape、Fusion、Build123d 五个平台上建可编辑特征树，综合分最高约 0.75，短板常是“画得出、改不动”8。CADBench V3 是另一家的同类测评，设定不同：只在 FreeCAD 里测；100 道题里 40 道只给工程图、不给文字参数表；评分用几何与尺寸的调和平均，失败记 0 13。成绩单上，文字建模各组差约三十多分，图纸题从约 8 分拉到约 85 分 2。这篇只谈图纸转 3D 这一项。
一、题目：只给图，要建特征树
我下载了公开任务包看题 5。每题一张 A3 工程图，有主视、俯视、侧视、剖视和轴测，标尺寸、孔（如 4×Ø3.5），附通用公差表和粗糙度符号。零件多是舵机安装座、支架、带轮、外壳、连杆这类中小件。
任务写明：图纸是唯一几何来源，没有文字描述，也没有参数表。Agent 要写 FreeCAD Python 脚本，生成只含一个 PartDesign Body（零件设计体）的文件，由特征树得到单一实体；直接存一个没有特征历史的实体不算 5。PartDesign 是“草图 + 特征”的路子，对应主流 CAD（NX、SolidWorks、Creo）里的拉伸凸台、拉伸切除、阵列等。考的不是“画个外形”，而是在真实 CAD 里搭出一棵特征树。
运行条件很死：每题限时 9,000 秒，只跑 1 次；Agent 除调用模型接口不能联网；参考模型在隔离的评分环境里；失败一律记 0 3。
二、评分：形状和尺寸，两边都要对
每题得分在 0 到 1 之间，由几何相似度和尺寸一致性取调和平均；任何一项为 0，总分就是 0 56。
几何：先比贴合零件的最小外框（OBB）三个边长，误差达到 10% 直接记 0。过了这关，再比体积、表面积等，并把两边各个面的中心点对齐，检查特征位置 6。
尺寸：评分方给每张图准备了隐藏尺寸表。40 张图，每张 9 到 118 个尺寸，合计 1,446 个；其中约一成绑定到具体几何位置，其余在草图、特征参数和实体几何里找同类、数值最接近的一个，相对误差 1% 以内算对 56。每错或漏一个扣 0.1，错满 10 个，尺寸分归零。图上的通用公差和粗糙度，我在 40 份表里没找到对应检查项 5。
我的理解：孔位画错，两边都会扣，比只看外形严格；但多数尺寸是“按数值找最接近”，同一个数出现在别处也可能被算对。
图 1：CADBench 图纸题的评分方式（AI 生成示意图）
三、成绩单：图纸题把差距拉开
排行榜快照为 2026 年 9 月 24 日，共 13 组“模型 + Agent”2。按图纸题节选：
- Claude Opus 5.5 — Agent：Claude Code；图纸转 3D：84.66；文字新建：50.87；综合：61.03
- Claude Opus 5.5 — Agent：mini-swe-agent；图纸转 3D：81.77；文字新建：42.79；综合：57.96
- Claude Fable 5.1 — Agent：Claude Code；图纸转 3D：72.71；文字新建：55.48；综合：56.75
- GPT-6 Astra — Agent：Codex；图纸转 3D：69.70；文字新建：52.26；综合：56.87
- Claude Opus 5 — Agent：Claude Code；图纸转 3D：62.64；文字新建：49.48；综合：50.86
- Gemini 3.8 Flash — Agent：mini-swe-agent；图纸转 3D：31.10；文字新建：47.94；综合：36.19
- Grok 4.7 — Agent：Grok Build；图纸转 3D：26.91；文字新建：45.57；综合：34.82
- Gemini 3.8 Flash — Agent：Antigravity；图纸转 3D：17.45；文字新建：43.28；综合：27.56
- Kimi K3 — Agent：mini-swe-agent；图纸转 3D：15.36；文字新建：39.11；综合：24.92
- Grok 4.6 — Agent：Grok Build；图纸转 3D：13.00；文字新建：41.61；综合：27.72
- GPT-5.6 Terra — Agent：Codex；图纸转 3D：8.18；文字新建：23.32；综合：17.24
注：0–100 分；另有 30 道文字改模题未列。公开榜上明确的国内模型为 Kimi K3（月之暗面）；未见 DeepSeek、Qwen、豆包等。来源：2。
图：CADBench V3 图纸转 3D（Image-to-CAD）得分对比（手绘白板示意图）。数据来源见上表。
我按 13 行算：图纸题最高 84.66、最低 8.18，差 76.48 分；文字新建差 32.16 分；文字改模差 21.14 分。前 5 组的图纸分高于文字分，后 8 组全部相反 2。图纸题占 40 道，综合排名基本由它决定。官方也提醒，综合分前 4 名的 95% 置信区间互相重叠，排序不宜读成显著差异 4。
四、差距从哪来：会不会看图，图有没有真的进模型
分差这么大，主要卡在两件不同的事上。第一件是会不会看图：模型自己能不能认视图、读尺寸、对到特征上。第二件是图有没有真的进模型：外面的程序（Agent）有没有把工程图当成图片，塞进多模态接口——送进去的是像素，不是文字描述。下面用两组对照说明。
换模型、不换 Agent。 同样用 Claude Code，Opus 5 换成 Opus 5.5，图纸题涨 22.02 分，文字新建只涨 1.39 分；整套成本反而降了 43.3% 4。我认为这与模型认视图、读小字号尺寸、把尺寸对到特征上的能力提升一致；但该测试并未隔离所有影响因素，不能据此证明单一因果机制。
换 Agent、不换模型。 同一个 Gemini 3.8 Flash：mini-swe-agent 能把图纸当图片直接送给模型，图纸题 31.10 分；Antigravity 是 17.45 分，平均高 13.65 分（配对 95% 区间 5.55–21.75）。官方说明两边的提示词和工具协议都不同，不是严格对照 3。反过来，Opus 5.5 换两个 Agent，图纸题只差 2.90 分 4。这两组结果说明模型能力与 Agent 的图像传递、工具和提示流程都会影响成绩；不能据此认定低分配置从未把原图传给模型，也不能把小样本差异推广为所有 Agent 的普遍规律。
把图送进模型也会出错：Gemini 有 6 道题在原图已正确传入后，把后续派生图片的报错文字当成图片发出，接口拒收，记 0 3。5 月报告还写过，分数高的 Agent 每次重算后打印体积核对，低的那个切除方向设反却没发现 7。
图 2：看懂图、把图送进模型、核对（AI 生成示意图）
五、测试解读
从这张 CADBench V3 图纸题成绩单，我读出这几条：
- 能做初版，不能当交付。 最好的组合在规整工程图上平均 84.66 分：形状和尺寸大体对的特征树零件可以期待；不查公差与配合、不查特征好不好改，仍要工程师校核 25。
- 看图能力影响成绩。 同样用 Claude Code，Opus 5 → Opus 5.5，图纸题涨 22 分、文字新建几乎不动；这与认视图、读尺寸和对应特征的能力提升一致，但不能证明只有这一个影响因素 4。
- 图像和工具接口影响成绩。 同一 Gemini 3.8 Flash 的两种配置图纸题相差 13.65 分；但提示、协议和服务路径并不相同，不能把全部差异归因于原图是否传入 3。
- 核对要写进流程。 高分 Agent 常在重算后打印体积等做自检；低分组切除方向反了却没发现。对应第 07 篇说的「反复对照原图」——最小一步就是每次改完量一下 7。
- 测的是闭环第一段。 第 07 篇方案是：主流 CAD 里经 MCP / API 搭特征树 → 对照原图 → 属性 / 出图 / 入库 → 人审。CADBench 图纸题只覆盖「脚本接口照图建特征树」；后面几段本次未测。
- 和 CAD Arena 方向一致、分数不能直接比。 口径不同；排序上 Opus 5.5、Astra、Fable 5.1 都靠前 28。
- 不能将单一国内模型条目推广到所有国产模型。 公开榜明确的国内模型目前是 Kimi K3：图纸 15.36、综合 24.92，与榜首约 85 / 61 差距大；未见 DeepSeek、Qwen、豆包等 2。缺席模型的表现不能从本榜推断。
本文配图为原稿的概念示意，不是产品实测截图。英文版使用对应英文配图，图内文字与图注均为英文。
延伸阅读：工程智能体与 CAD 工作流。
