AI × CAD / 深度解读

文生 CAD:一句话出零件的现状——路线、开源与评测汇总

写代码已成文生 CAD 的主流路线,GitHub 星数前 5 的开源项目全走这条路;五个评测却一致显示,文字是最难的输入,修改比新建更难。本文梳理路线、开源、商业产品与评测,并按标准件、企业标准件、非标件分三类判断。

文章目录

"一句话出零件"大概是 AI 与 CAD 结合里最受关注的方向。GitHub 上最热的文生 CAD 开源项目今年 4 月才建库,半年就涨到 2.5 万多颗星。可另一边,最新的评测给出了一个反直觉的结论:对 AI 来说,文字反而是最难的输入——同一套系统看工程图建模能拿 84.66 分,从文字建模只有 50.87 分。本站此前写过 Adam 的 AI CAD 路线和 CADEngBench 工程多维度测评,本文专门看文生 CAD 本身:有哪几条技术路线、开源社区在做什么、商业产品走到哪、评测说明了什么。资料核对截至 2026 年 11 月 6 日;本文为案头调研,未实测。

一、三条技术路线

  1. 生成建模指令序列:把建模过程拆成"画草图、拉伸"这样的指令,让模型按顺序生成。代表是 2021 年的 DeepCAD 和 NeurIPS 2024 的 Text2CAD。问题是这类指令不是大模型天然会的"语言",往往要从头训练专门的模型,支持的编辑操作也有限。
  2. 让大模型写建模代码:让模型直接写 CadQuery、build123d、OpenSCAD 这类代码,运行后得到真正的实体模型。好处是能直接用上通用大模型写代码的能力,结果天然是参数化、可编辑的。2026 年的新研究大多沿着这条路改进,比如让模型用自然语言"点名"要倒圆角的边,再由另一个模型对应到具体的几何边。
  3. 直接生成 B-Rep:跳过代码,直接生成边界表示的实体。这条路还在研究阶段。Zoo 早期就试过直接从文字生成 B-Rep,后来改了方向,原因有两个:自家建模语言 KCL 越来越成熟,以及 2023 年起大模型写代码的能力快速提升。Autodesk 宣布过能直接生成可编辑几何的 neural CAD,但至今还没有正式上线。

写代码这条路目前占了上风,因为它能直接借用通用大模型最强的那项能力。

文生 CAD 的三条技术路线:生成指令序列、写建模代码、直接生成 B-Rep,以及各自的代表、长处和问题

图 1:文生 CAD 的三条技术路线。图由 CADFrontier 绘制。

二、开源现状:GitHub 星数前 5

我们在 GitHub 上检索了文生 CAD 相关项目,按星数排序(2026 年 11 月 6 日数据)。筛选口径是"用途为从文字或自然语言生成机械 CAD 模型",做 PCB 设计的 KiCad 插件、让 AI 操作 FreeCAD 的接口项目不计入。前 5 名是:

  1. text-to-cad(约 2.57 万星):给 Claude Code、Codex、Cursor 等通用编程代理用的插件和技能包。代理用 build123d 写 Python 建模,导出 STEP、STL、3MF,还带可制造性检查、出工程图,并能对接 3D 打印和 CNC 加工服务。
  2. Amagine3D(约 6,300 星):从硬件需求出发,先排布内部元件,再设计外壳和装配结构,主要做可打印的智能硬件外壳;同样基于 build123d,导出 STEP,改了参数会回写到源码。
  3. CADAM(约 5,400 星):Adam 开源的网页版,基于 OpenSCAD,在浏览器里运行,导出 STL、SCAD、DXF,并自动提取尺寸做成调节滑块。
  4. Zoo Design Studio(约 1,300 星):所有零件都用可读的 KCL 代码表示,界面上的点选操作最终也是在改这份代码;内置对话式代理 Zookeeper。
  5. Multi-Agent-CAD(约 1,070 星):清华大学团队的多代理框架,从单个零件扩展到装配,可以导出 URDF 做机器人仿真,同样主要基于 build123d。

三个共同点很明显:

  • 五个项目全都是"让大模型写代码",没有一个直接生成几何。
  • 星数最多的两个底层都是 build123d,用的正是开源内核 OCCT(见本站 OCCT 一文)。
  • 最热的那个甚至不是专门的模型,而是给通用编程代理用的技能包。这和 Adam CEO 的判断一致:靠通用大模型,只给它写代码和看截图两个工具。

GitHub 星数前 5 的文生 CAD 项目:text-to-cad、Amagine3D、CADAM、Zoo Design Studio、Multi-Agent-CAD 的星数、建库时间、建模方式、输出格式与特点

图 2:GitHub 星数前 5 的文生 CAD 项目(2026-11-06 数据)。图由 CADFrontier 绘制。

三、商业产品:创业公司在跑,大厂还没给出文生几何

  • Zoo:把最初的文生 CAD 工具升级成了对话式代理 Zookeeper;2026 年 3 月起还能上传 PDF、DXF 图纸让它建模,或者把其他 CAD 的 STEP 文件重建成带注释的 KCL 代码。
  • Adam:路线同样是写代码加看截图。
  • 大厂:SolidWorks 2027 官方介绍的 LEO 新能力,集中在装配提速、写宏、问答和出图,没有提到从文字生成零件几何;Onshape 在实验项目里推出了 FeatureScript MCP,偏向用文字生成可复用的自定义特征代码,而不是直接出零件;Autodesk 的 neural CAD 仍是"即将推出"。

四、评测说了什么

这一年文生 CAD 的评测多了起来,但各自测的东西不一样。先看每个评测的定位,再看它们合起来说明了什么。

五个评测,各测什么

  1. CADBench V3(gNucleus AI,2026 年 9 月):目前唯一按"工作流"出公开榜单、并在同一套题里同时测文字和图纸的评测。100 题分三类:30 题从文字建模,30 题建模后再按文字修改,40 题看工程图建模。被测系统在固定版本的 FreeCAD 里建模,提交原生 CAD 文件,由独立的验证程序按几何相似度和尺寸规格是否吻合打分。9 月 24 日的榜单第一名是 Claude Opus 5.5 搭配 Claude Code,总分 61.03;拆开看,看图建模 84.66,从文字建模 50.87,按文字修改 39.69。
  2. Text2CAD-Bench(2026 年 5 月):专门测"从文字生成参数化 CAD"。600 道人工整理的题,按难度分四级:前两级是基础几何和标准特征,第三级是复杂拓扑和自由曲面,第四级扩展到机械零件以外的真实领域。每道题给两种写法:一种像普通用户的几何描述,一种像工程师的建模步骤。
  3. BenchCAD(2026 年 5 月):偏重"工业零件"。题库是 17,900 个验证过能运行的 CadQuery 程序,覆盖锥齿轮、压缩弹簧、麻花钻等 106 类工业零件族。输入以图片为主,也测按指令修改代码,看的是模型能不能写出符合工程设计习惯的参数化程序。
  4. RealCADBench(2026 年 9 月):题目来自真实的工业设计意图,共 12,632 题,覆盖 19 类工厂自动化产品,包括零件和装配。输入有四种:文字描述、二维工程图、实物照片和渲染图。模型统一写 FreeCAD 的 Python 代码,从能否运行、实体重合度(IoU)、表面重合度和评审打分四个角度评。
  5. MUSE(2026 年 5 月):专门测多零件装配。每道题配一份结构化的设计规格,要求生成可编辑的装配体,从代码能否运行、几何是否有效、结构和配合接口是否正确、功能是否一致四个维度评。

目前能得出的结论

把五个评测放在一起,结论相当一致:AI 已经能建简单零件,但离"按需求交付可用的模型"还有明显距离。具体有五点:

  • 文字是最难的输入。CADBench 里同一套系统看图建模 84.66 分,从文字建模只有 50.87 分;从 Opus 5 升级到 5.5,看图建模涨了 22 分,文字建模只涨了 1.4 分。图纸上的尺寸是明确的,文字描述天然模糊。
  • 修改比新建更难。CADBench 三类任务里"按文字修改"得分最低;首批 11 套系统的结果中,有 6 道题所有系统都是 0 分,这 6 道全是修改题。
  • 能跑通不等于做对了。RealCADBench 里 6 个前沿大模型在四种零件输入下的可执行率是 0.565 到 0.812,实体重合度却只有 0.28 到 0.54;MUSE 也发现,代码跑通了,装配结构和配合接口未必对。
  • 简单几何能做,复杂特征是短板。Text2CAD-Bench 里基础几何表现尚可,一到复杂拓扑和高级特征就明显下滑;BenchCAD 发现模型常常只还原出大致外形,还会把扫掠、放样、扭转拉伸这类关键操作换成更简单的草图加拉伸,而且换到没见过的零件族就明显变差。
  • 没有全能冠军,分数也不只是模型的分数。RealCADBench 里没有一个模型在四项指标上全部领先;CADBench 也提醒,成绩取决于"模型加代理工具"的整套配置,不能只看成模型本身的能力。

CADBench V3 榜单第一名在三类任务上的得分,以及从 Opus 5 升级到 5.5 时各类任务的涨幅

图 3:CADBench V3 榜单第一名(Claude Opus 5.5 + Claude Code)的分项得分与升级涨幅,2026-09-24。图由 CADFrontier 绘制。

五、我们的看法:分三类看,差别在信息够不够

评测里文字最难,根子在信息不够。但"一句话"能不能出零件,不能一概而论。**差别不在 AI 会不会建模,而在这一句话背后有没有完整的信息。**按这个标准,可以把零件分成三类:

  1. 标准件:一句话就够。比如"GB/T 818 M3×10 十字槽盘头螺钉",这句话背后是一整套国家标准:头部直径和高度、十字槽型号、螺纹规格、公称长度都已经规定好了。AI 不需要猜,只需要查标准、套参数。这一类现在就可以完全靠一句话生成。
  2. 企业标准化的自定义零件:也能生成得比较清楚。很多企业有自己的零件库和设计规范,比如固定的安装孔规格、常用板厚、统一的倒角和圆角,相当一部分自定义零件,其实是在这些"企业标准"上做组合和改参数。只要把规范交给 AI 当约束,一句话加几个关键尺寸,就能出可用的模型。
  3. 非标零件:还有很长的路要走。公差、配合、工艺、装配关系,这些信息既不在一句话里,也不在任何现成的标准里。前面评测暴露的短板,复杂特征、装配接口、按需求修改,基本都落在这一类。

不过我们并不悲观。非标零件缺的主要不是建模能力,而是信息约束。路线已经基本收敛到"通用大模型 + 写代码 + 成熟内核",接下来要做的是把约束补上:企业把设计规范、零件库和历史模型整理成 AI 能读的形式,工程师把需求写成结构化的规格,再配上草图或参考图。这套信息约束一旦形成,非标零件追上来的时间应该不会太长。会写需求,正在变成和会画图一样重要的设计能力。

本文为基于公开资料的编辑分析:GitHub 星数为 2026-11-06 当日数据,评测数字以各评测原文为准,未经实测;配图为 CADFrontier 绘制的概念示意。

SOURCES & FURTHER READING

资料来源与延伸阅读

  1. GitHub:earthtojake/text-to-cad ↗来源地区: 美国
  2. CADBench:V3 榜单更新——Claude Opus 5.5 领先 ↗来源地区: 美国
  3. Khan 等:Text2CAD(NeurIPS 2024),arXiv:2409.17106 ↗来源地区: 全球/跨地区
  4. Text-to-CadQuery,arXiv:2505.06507 ↗来源地区: 全球/跨地区
  5. FutureCAD,arXiv:2603.11831 ↗来源地区: 全球/跨地区
  6. Zoo:Zookeeper 研究文章 ↗来源地区: 美国
  7. DEVELOP3D:Autodesk 的 CAD AI 蓝图 ↗来源地区: 英国
  8. GitHub:amagine-ai/Amagine3D ↗来源地区: 全球/跨地区
  9. GitHub:Adam-CAD/CADAM ↗来源地区: 美国
  10. GitHub:KittyCAD/modeling-app(Zoo Design Studio) ↗来源地区: 美国
  11. GitHub:Pan-Chera/Multi-Agent-CAD ↗来源地区: 中国大陆
  12. Zoo:What's New, March 2026 ↗来源地区: 美国
  13. SOLIDWORKS 官方博客:What's New in SOLIDWORKS 2027 ↗来源地区: 美国
  14. Onshape 博客:FeatureScript MCP Server ↗来源地区: 美国
  15. CADBench:Parametric CAD Bench V3 介绍 ↗来源地区: 美国
  16. Text2CAD-Bench,arXiv:2605.18430 ↗来源地区: 全球/跨地区
  17. BenchCAD,arXiv:2605.10865 ↗来源地区: 全球/跨地区
  18. RealCADBench,arXiv:2609.03773 ↗来源地区: 全球/跨地区
  19. MUSE,arXiv:2605.28579 ↗来源地区: 全球/跨地区
  20. CADBench:Parametric CAD Bench V3 论文与评测发现 ↗来源地区: 美国
本文发布时间为本站编辑发布时间,相关研究与文档的原始日期请参见来源。