GPT-6 Astra照片直出可编辑CAD，增材制造逆向工程迎来质变时刻？

OpenAI 发布了 GPT-6 Astra，首批向有限数量的组织开放。

随后访问权限将扩展至 ChatGPT Plus、Pro、Business 和 Enterprise 用户，以及通过 OpenAI API、Microsoft Azure 和 AWS Bedrock 接入的开发者。

在涵盖编码、网络安全和计算机使用能力的这次发布里，有一个基准测试直接瞄准了 3D 几何领域。虽然 OpenAI 的发布内容里没有一项写明以 3D 打印为主题，但 CAD 是每个可打印文件都从它开始的格式。所以这个结果，值得所有做设计或制造的人关注。

这个测试叫 BenchCAD，考察的是模型能否通过编写 CAD 代码，而不是直接生成网格的方式，从一组多视角渲染图中重建 3D 物体。这个区别很关键：网格是你只能观看的形状，CAD 代码则可以在标准设计软件里编辑、参数化，直接拿来用。

在启用工具的情况下，Astra 在 BenchCAD 的平均体素交并比指标上得分 95.9%。这个指标衡量的是重建几何体和原始物体的重合度，分数比 OpenAI 上一代模型 GPT-5.6 Sol 的 83.3% 更高，也领先于 AI 公司 Anthropic 的 Claude Fable 5.1 报告的 84.3%。

OpenAI 还说，在测试配置里，Astra 达到这个分数的预估接口调用成本，比 Sol 低大约 43%，比 Fable 5.1 低 86%。

OpenAI 还在基准测试之外搭配了一个演示，让 Astra 在 3D 建模软件 Blender 里对一栋房屋建模，再转成游戏引擎虚幻引擎 5 里可以步行探索的场景。这被当作设计师和客户在空间实际建成之前预览布局并穿行体验的一种方式。它和重建单个零件不是同一个应用，但依赖的是 BenchCAD 测的同一项底层能力，也就是把静态参考转成结构化、可编辑的几何体。

同样的计算机使用能力也延伸到了游戏开发领域。在设计师彼得罗·斯基拉诺署名的演示中，Astra 构建了一款卡丁车竞速游戏和一组宇宙飞船静帧图，为没有编程经验的人生成了图形、玩法和运动效果。

对于关注增材制造和产品设计的读者来说，BenchCAD 的结果才是最值得关注的。一个前沿模型能从照片生成参数化 CAD，而不是只给图片或固定网格，这已经比以往任何通用模型都更接近增材制造工作流程的实际需求。而 BenchCAD 分数从 83.3% 跳到 95.9%，说明这个能力还在快速演进。

一个能够从普通照片重建可编辑 CAD 几何体，而不是静态网格的模型，会让物理零部件的逆向工程变得更快。扫描参考与可打印文件之间的迭代会更高效，设计工具也能生成可用的几何体，而不仅仅是图像。

不过 BenchCAD 衡量的是和评测用干净多视角渲染图之间的几何重合度。它离扫描或拍摄真实世界的零件，以及最终决定文件能否正确打印的尺寸公差，还差一步。这与其说是局限，不如说是下一个里程碑。现在最自然的问题是，当人们拿一张有缺陷的真实物理零件照片，而不是渲染测试图来测试时，它的表现会怎样？

AI 驱动的扫描到 CAD，在增材制造行业里其实已经是一个正在发生的现实，而不只是未来概念。3D 扫描仪生成的网格或点云数据，无法直接在 CAD 软件里使用，把它转成可编辑、可打印的几何体，传统上要手动重新绘制，或者用专业逆向工程软件。更快、更便宜地弥合这个差距，正是一批专注增材制造的公司竞相在做的事。

由 3D 打印公司 Markforged 的格雷格·马克和戴维·本海姆创立的 Backflip，整个战略就围绕这个瓶颈展开。这家公司最新的基础模型，把零件数字化成本从每件大约 1500 美元降到了 10 美元。它的训练目标是让 AI 像「工程师实际做的那样」来构建 CAD，也就是先分解整体几何体，再逐个特征重建，输出可以直接在标准 CAD 软件里打开，而不是静态网格。

硬件制造商 Creality 则与软件公司 KVS Ltd 合作，提供集成的扫描到 CAD 工作流程，让工程师扫描损坏零件，在几分钟内完成重建，之后可以直接用于数控加工或 3D 打印。

在这个背景下，Astra 的照片到 CAD 结果，并不是给增材制造引入了一个新问题，而是一个通用模型，出现在专业增材制造工具已经竞跑了一段时间的赛道上。