CAD 评测专栏：从软件操作到工程验证

AI Benchmark Radar / Equality Machine · 发布于 2026-11-06 · 复核于 2026-11-06

AI 生成一个形状只是起点。这里按软件操作、可编辑程序生成、工程图理解与工程行为验证整理阅读路线：9 个项目对应站内 10 条来源记录，另有 3 项直接链接原始发布资料。

从 CADWorld 开始：检查真正保存下来的工程成果

CADWorld 让 Agent 通过截图与图形界面操作 FreeCAD。200 道任务覆盖 11 类工作流，从草图、零件到装配、加工和仿真。主实验每题允许 100 个 GUI 步骤，并用程序检查保存的工程文件与指定输出。

结果要按版本阅读：论文 v1 的最优 Agent 成功率为 17.5%；2026 年 11 月 6 日核对的项目网站加入后续扩展评测后，列出 41.5%。87.0% 的人类成绩来自单次专家参考执行。另行开展的 50 题终端实验不属于完整 GUI 主实验。

CADWorldClaire Radar

CADWorld · project, paper and extended evaluation editions · CADWorld · September 2026 paper v1 · CADWorld · official code and evaluator · CADWorld · official task dataset

先确定你要回答哪类问题

你要评估的是操作软件、生成可编辑程序、读懂工程图，还是让设计在修改与仿真中仍然成立？先按下面四条路线找任务，再打开原始发布页核对评测条件。

你的目标	从这些评测开始	重点检查
操作 CAD 软件	CADWorld、Parametric CAD Bench v3	GUI 或工具接口、原生工程文件、操作预算
生成 CAD 程序	BenchCAD、CADBench、CADTestBench	输入模态、几何、执行结果、需求验收
读图与理解几何	RealCADBench、OmniMech、UniCAD、PNI-3D、CAD Segmentation	尺寸、重建、检索或分割指标
检查编辑、装配与物理行为	CADEngBench、MUSE	参数变化、配合接口、运动与指定载荷

BenchCAD：可执行程序与工具辅助评测

BenchCAD 1.0 包含 106 类工业零件的 17,900 个经执行验证的 CadQuery 程序，覆盖视觉／代码问答、图像生成代码和代码编辑。下方两条站内记录分别保留已采集的 Vision2Code 成绩及 Python 工具辅助口径。

作者现有网站还提供 BenchCAD 2.0 Core：六类任务、100 个留出案例。它是另一个版本，官网的新分数不能直接替换站内较早采集的成绩。

BenchCADLLM Stats
BenchCAD (with Python tool)LLM Stats

BenchCAD 1.0 · introducing paper · BenchCAD · current project and versioned results

CADEngBench 与 MUSE：从外形到可用的设计

CADEngBench 将参数化零件与装配推理分开评估，检查有效性、工程要求、参数变化、编辑、指定线性静力仿真与连接关系。零件、实体对和仿真指标要分别看分母。下方导读包含论文结果表及公开资料的复现范围。

MUSE 聚焦多组件、可编辑的 B-Rep 装配。2026 年 10 月 19 日的 v3 检查执行、几何、结构／接口一致性和功能一致性；SIE 进一步检查组件关系及接口间隙。阅读时应区分该版本与较早的 rubric 评分描述。

CADEngBenchClaire Radar
MUSEClaire Radar

CADEngBench · parametric design, assembly and simulation · MUSE · assembly structure and interface geometry, v3

RealCADBench 与 OmniMech：读懂图纸中的工程意图

RealCADBench v2 描述了 12,632 道任务，但论文成绩使用 1,770 题评测切片，其中含 25 道装配题。输入包括文字、工程图、照片与渲染图。生成的 FreeCAD API 程序分别接受执行、几何和视觉语义一致性评估。

OmniMech 将超过 251,000 张带尺寸与公差的工程图和 CAD 表示配对，覆盖程序合成、从图纸推断三维结构、标注理解和工具辅助推理。论文宣布将发布数据与代码；安排复现前，应先确认实际可取得的资料。

RealCADBenchClaire Radar
OmniMechClaire Radar

RealCADBench · industrial design intents, v2 · OmniMech · multimodal mechanical benchmark

UniCAD、PNI-3D 与分割：区分几何理解的任务

UniCAD 结合点云重建 CAD、文字／图像生成 CAD 和 CAD 问答。各任务的输出和指标不同，不能把整套评测当作一个软件操作成功率。

PNI-3D 提供 100 类参数化 CAD 族、12 种表示下的 2,400 个资产，用于匹配、检索以及表示变化和传感噪声下的鲁棒性。检索准确率不等于 CAD 设计生成能力。

A Real-World CAD Segmentation Benchmark 研究工程 CAD 中与紧固件有关的孔识别，比较规则式与学习式分割及跨域表现。它适合评估特征识别与分割；下方导读保留了论文报告的结果表。

UniCADClaire Radar
PNI-3D Multimodal CAD & Geometric Robustness BenchmarkClaire Radar
A Real-World CAD Segmentation BenchmarkClaire Radar

UniCAD · multimodal and multitask CAD · PNI-3D · author dataset card and files · A Real-World CAD Segmentation Benchmark · original paper

继续查看三项原始评测资料

CADBench（MIT DeCoDE Lab）用六个数据家族、五种输入模态下的 18,000 个样本评估多模态 CAD 程序生成。几何重合、表面距离、有效实体率和程序简洁度需分别阅读。它与 BenchCAD、Parametric CAD Bench 是不同项目。

CADTestBench 通过可执行的 CADTests 检查文字需求中的几何与拓扑条件，用“要求是否被满足”补充外形相似度评估。

Parametric CAD Bench v3 包含 100 道 FreeCAD 任务：30 道文字创建、30 道创建后编辑、40 道工程图重建。论文于 2026 年 11 月 2 日提交，成绩来自 9 月 24 日快照；主指标是连续奖励的均值，并非二元成功率。

这三项可直接打开下方原始发布资料。本专栏提供阅读入口，本次未将它们的数值榜单导入 Radar。

CADBench · MIT DeCoDE Lab project and evaluation · CADTestBench · Text-to-CAD Evaluation with CADTests · Parametric CAD Bench v3 · original November 2026 paper

比较成绩或实际运行前，核对这些条件

记录评测版本、题集划分、确切模型与 Agent、可用接口、工具权限、重试及操作／token／时间预算；保留原生 CAD、执行记录和验收输出，便于核查成绩。

任务成功率、连续奖励、IoU、检索与分割是不同测量。要看失败是否计零，平均值覆盖全部题目还是只包含能执行的输出，再选择与你希望自动化的工作对应的证据。

CADWorld · September 2026 paper v1 · Parametric CAD Bench v3 · original November 2026 paper · CADBench · MIT DeCoDE Lab project and evaluation