GPT 6 Astra CAD建模能力达新高，国产工业软件差距又拉大
近日，OpenAI发布了其最新的GPT-6 Astra系列模型，突出强调了其从“问答工具”走向“完成工作”的能力，即调用各种软件工具完成专业任务。模型介绍里展示了一系列其面向专业任务的测试结果，包括办公、科研、编程、影视动画3D建模等。其中也包括了面向工业领域的PCB布线，以及机械零件的3D建模。PCB布线
GPT-6 Astra用一个15秒的视频，演示了在KiCad环境中进行印刷电路板布局的过程。AI操作KiCAD，自己规划位置，放置元器件，再把不同元器件之间的铜线连接起来，最后得到一块可以进入制造流程的电路板。机械零件3D建模
GPT-6 Astra公布了在BenchCAD测试集的得分。BenchCAD是一个用于测试AI识别零件图并创建对应CAD3D建模代码能力的测试集。 GPT-6 Astra在建模结果上的得分为95.9%，相比GPT-5.6 Sol的83.3%和之前最高的Claude Fable 5.1.5的84.3%又创造了新高。同时，其预估的API成本显著降低，比Sol低约43%，比Fable 5.1低86%。BenchCAD准备了共106类合计17900个工业零件的多视角视图，要求根据图片写出能生成这些零件的CAD代码。题目看起来简单，但涉及到视觉感知、图像与文本之间的转换、以及3D空间推理能力，需要模型识别零件，理解3D结构，并将图中尺寸标注与模型尺寸联系起来，能力要求不低。
题目包含的零件都是实际零件，106种零件中约一半（52个）符合ISO/DIN/EN/ASME/IEC标准，其余的来自典型的工程实践规范。很多零件还涉及了46种复杂Cad操作：如旋转、数组处理、扫描、定位、螺旋运动等，这些操作需要真正的3D推理能力才能完成。
模型写出代码后，将模型在CAD中运行，对比生成结果与标准结果的几何重叠率，乘上代码执行成功率，得到一个名为IoU的数值，作为评测的得分。对生成模型的检验包含完整的尺寸检验，而非看着差不多就行。如果代码执行失败，那对应的得分也就为 0重点是方向，而非当前能力
在CAD建模等方向，尽管GPT-6 Astra相比之前的模型又往前有了进步，但是进入真实的建模环境，其能力依然很有限，距离理想中的“一句话建模”仍有相当距离，此前的文章有更具体说明。但此次发布的重点，在于其长远意义：基座模型的发展方向已经走向了专业任务完成，尤其是在CAD这种专业方向。头部厂商OpenAI和Anthropic都会主动在每代新模型上开展BenchCAD的测试，Cluade Code官方也对接了Autodesk Fushion，尽管目前还只是开始，但后续充满了想象空间。GPT-6 Astra是世界上最智能、最协调的模型，为计算机操作、浏览器操作、软件工程、网络安全、科学和专业工作树立了新的标杆。
对很多CAD AI助手厂商而言，现在的很多CAD AI助手的功能，未来说不定会被新的基模能力所覆盖。国产工业软件差距又拉大
两大基模厂商在CAD方向上的持续调优，正持续拉大和国产模型的差距。国内头部模型目前在通用能力上与头部模型GPT和Fable差距不大，但在专业任务领域能力上与头部模型的差距正在日趋拉大。社交平台上一大堆用Codex或Claude进行3D建模和仿真的测试案例，国产模型基本很少有人用。Kimi3在BenchCAD的测试结果距离GPT、Fable还远（上图是BenchCAD的较新结果）。传统工业软件时代，工业软件的差异主要在各种具体功能，国产厂商正在加速追赶，很多软件功能已经接近国外软件，可以在大多数场景替代国外软件未来的AI时代，变成了更智能的AI操作工业软件。工业软件功能大家差不多，但AI在智能上的差距，则成为软件应用效率上的分水岭。在两大基模都不开源且国内没法直接使用，以及国产基模与国外差距日益加大的背景下，AI时代国产工业软件与国外工业软件的差距可能会更大。当然，当前阶段这还不是大问题：模型智力不够，可以靠Harness和经验来补。通过为CLI Agent增加各种Skills和建模经验，可以让其变成更专业的设计工程师，至少在当前阶段，这部分对于建模能力的提升的重要性，远高于基模本身。当前国内已经涌现了不少“设计仿真专业版Codex”，虽然还很早期，但是在完成复杂的设计和仿真流程自动化和生成式设计方面，已经处于领先的探索，详见之前的盘点文章。未来，随着基模能力的变化，设计仿真类智能体是否还是通过这套典型的CLI Agent+Skills+Harness的技术路线构架还不得而知，届时给国产工业软件更多是机遇，还是挑战，还不好说。 
