AI 现在能画施工图了：建筑师实测 13 个模型的制图能力

按发布日期划分的Anthropic模型绘图能力。左栏是我为一栋简单房屋绘制的草图，其余各栏则是各模型为该房屋绘制的施工图集中裁剪出的部分。 尽管生成式AI在其他领域（包括图像生成）取得了显著进展，但迄今为止在技术制图方面仍毫无用处。就在2026年春季，最强的AI模型也只能生成粗糙、卡通化的技术图纸。但2026年夏季和秋季发布的前沿模型已大幅改进。 凭借我作为建筑师的背景，我测试了13个旧版和新发布的AI模型，以衡量它们的技术制图能力。我发现，截至撰写本文时，最强的制图模型是Anthropic于2026年9月发布的Claude Opus 5.5。在一定的熟练引导下，Opus 5.5能够为简单建筑生成复杂的制图及达到许可质量的建筑施工图集。 由于这一变化来得突然，且要从模型中获取最佳结果需要精心设计提示词，建筑行业似乎大多尚未意识到这些进展。但AI的技术制图能力很可能将继续快速提升。建筑师及相关专业人士即将经历软件工程师在过去一年中所经历的转变——技术图纸的直接人工绘制被对AI模型的监督所取代，而这些模型在复杂技术制图任务上的能力日益增强。 技术制图，或称绘图，是制作按比例绘制的图纸，用以描述建筑、机器及其他物体如何组装。在计算机时代之前，绘图员用直尺和其他绘图工具手工绘制技术图纸。当计算机辅助设计（CAD）软件在二十世纪下半叶开始占据主导地位时，它最初主要由AutoCAD等专注于二维绘图的程序组成。后来的SolidWorks和Revit等程序融入了三维绘图和参数化建模，使得当绘图员更改单个变量时，复杂装配体能够自动且确定性地调整。CAD改变了绘图流程，但人类始终完全掌控着一切。 我是一名建筑师，自2000年代以来一直在建筑行业工作。多年来我一直密切关注生成式AI的发展，但其早期的进展虽然令人印象深刻，却与我的核心技术制图能力无关。我在新模型发布时进行了尝试，但发现它们在这一领域并无真正的能力。甚至它们的图像生成能力也仅与艺术渲染工作相关，而这是建筑及相关专业中相对较小且专门的领域。 但情况在2026年发生了巨大变化，尤其是在过去几个月里。对最新模型进行实验——先是随意尝试，后来更为系统——让我越来越强烈地感到，建筑师的处境就像老动画片中的歪心狼（Wile E. Coyote），在峡谷上方的空中悬停了片刻。 我的第一个测试衡量的是AI从零开始为一栋新房屋生成完整施工图集（即“蓝图”集）的能力。我在13个独立模型上运行了该测试，给每个模型相同的初始提示词和上下文。起始上下文文件夹中的文件包括：1）我为一座简单房屋绘制的粗略概念草图；2）我几年前用AutoCAD绘制的另一栋房屋的参考施工图集。概念草图很简单，但包含足够的信息，有经验的绘图员可以用它们来制作该房屋的完整图纸集，用于许可审批和施工。 结果从拒绝生成图纸（Anthropic于2024年发布的Claude Opus 3），到简单、卡通化的图纸（主要来自2025年和2026年初的模型），再到在我看来足以获得建筑许可的图集（Anthropic于2026年9月下旬发布的Claude Opus 5.5）。 Opus 5.5为我的房屋概念绘制的图纸集中的一张外立面图。每个模型生成的完整图集可在附录中找到。 这些图纸集由AI模型直接生成，未使用任何现有的CAD软件。 一个重要的注意事项是，这些结果反映了在模型执行任务期间我所提供的不同程度的“人在回路”反馈。鉴于各模型初始工作质量差异巨大，很难为每个模型提供完全相同的修正量，因此使条件绝对均等的最佳方式是完全不提供任何反馈，让模型在没有任何人工参与的情况下生成图集。但这种方法虽然在某些意义上更为严谨，却无法真实反映模型在建筑实践中的实用性——在建筑实践中，资深建筑师对初级员工绘制的图纸集进行“红线批注”是常态。 我没有对最差的模型提供反馈，因为它们无法胜任该任务，对另一些模型则提供了有限的反馈。Opus 5.5的初稿是最好的，因此我给了它最多的反馈，包括若干书面意见和两轮红线批注图集。对Opus 5.5的图纸进行红线批注感觉出乎意料地常规。其草图中的许多缺陷与你在一位有才华但缺乏经验的人的图纸中可能发现的缺陷相似，而它针对我的红线批注所做的修改，就如同人类会做的那样。 值得强调的是，模型的大部分改进是最近才发生的。9月之前发布的模型没有一个能够绘制出基本布局无重大错误的地面平面图。只有9月22日发布的Opus 5.5同时具备空间理解能力和制图能力，能够正确绘制双坡屋顶设计。9月模型中的异类是Grok 4.7，其输出总体较弱，尤其是其立面图糟糕得令人发笑。 左上角是我对房屋正立面图的概念草图。其余图像是各模型在其生成的施工图集中绘制的正立面。Opus 5.5是唯一正确处理屋顶体量的模型，但其初稿在檐口和屋檐处存在错误，此处展示的即为该初稿。在我进行红线批注后，最终图纸修正了这一错误。 左上角是我为这栋房子绘制的概念一层平面图。其他图片是各模型所绘施工图中的一层平面图初稿。 本次测试中的房子是一栋相当简单的建筑，即便是Opus 5.5的图纸集也远非完美。1 但独户住宅施工图集的质量差异很大，市场低端充斥着大量平庸之作。在适当引导下，Opus 5.5可以说已经优于当前人类市场的低端水平。 施工文档测试既是对制图能力的测试，也是对其他方面的测试，比如对建筑规范和书面规格说明的了解。但对建筑制图技艺的测试呢？对模型绘制复杂而精美的建筑施工图能力的测试呢？ 这类制图的最佳范例之一可见于《建筑细节》（Building Details）一书，该书汇编了20世纪初建筑师弗兰克·斯奈德（Frank Snyder）的手绘制建筑细节图版。斯奈德是一位制图大师，他的图纸极其令人印象深刻，达到了艺术品的水平。 我给Anthropic的Claude Opus 5.5一个文件夹，里面包含若干斯奈德的图纸图版。我还给了它我几年前测绘的一栋历史建筑的照片和一堆杂乱无章的现场草图，并让它按照斯奈德的制图风格和图幅构图来为该建筑绘制细节图。从某种意义上说，Opus 5.5的任务比斯奈德更难，因为斯奈德能获取他所绘细节对应建筑的施工图。相比之下，Opus 5.5必须根据我的照片和粗糙杂乱的草图绘制该建筑的平面图、立面图和细节图（这对人类绘图员来说是一项复杂而繁琐的工作），并且必须从外露表面推断隐蔽构造的做法。 我让Opus 5.5分几次交付阶段性成果，在收到成果时给它一些书面意见和红线批注，然后让它完成图纸。其最终输出包括两张斯奈德标准格式的图幅，一张描绘建筑的整体布局和立面，另一张是细节图的汇编。 制图技能测试。左侧的两组图片是我在测绘这栋建筑时拍摄的一些照片和我绘制的一些现场草图。我将这些照片和草图连同《建筑细节》一书中的若干斯奈德图版一起放入了Opus 5.5的上下文中。模型根据照片和草图绘制了房子的平面图、立面图和细节图，并在右侧以斯奈德风格制作了两张图版。 这些Opus 5.5的图纸是否达到了斯奈德的高标准？没有：制图远不如斯奈德的那样精细，尽管它比许多建筑事务所的作品要好。而且，即使经过我的红线批注，细节图中仍存在一些细微错误，这些错误是经验丰富的此类构造建筑师不会犯的。但它们相当令人印象深刻。而且模型完成它们所用的时间和成本仅为熟练人类的一小部分。 尽管表面上有些相似，但这些测试中产生的图纸并非已经存在数年的那种AI生成图像。这些图纸由矢量线条构成，可在CAD软件中轻松缩放和编辑。2 然而，AI模型并未使用任何现有CAD软件来制作它们。它们用Python编写代码来描述线条，并直接从代码打印图纸集。3 较旧的模型相当快地生成了低质量结果，但Opus 5.5花了十二个小时来绘制这套房子图纸，计算成本为几百美元。 更强的模型以大致相同的方式处理制图任务。它们查看并解读输入草图，编写代码生成线条，从代码生成测试打印件以便目视检查其正确性，然后修改代码，直到它们认为图纸集可以打印为止。更强的模型还加入了额外的质量检查；例如，Opus 5.5的最终代码包含一个模块，用于检查注释和标签是否遮挡了底层线条，并在遮挡时移动它们的位置。 较弱模型与较强模型之间的一个差异似乎是规模，涉及多个变量。较强的模型工作时间长得多，生成的代码多得多（就Opus 5.5而言，超过15,000行Python代码），生成的草稿输出图像多得多，然后基于这些草稿在更多的迭代循环中调整代码。 Opus 5.5能理解红线批注。图（A）是我的原始草图。（B）是模型绘制的立面草稿，除檐口和斜檐端部外均正确。我在红线批注图中标出了错误，并将该图加入了模型的上下文。在（C）中，模型从红线批注图中截取片段，并与自己的图纸进行比较。（D）显示了模型在审阅我的红线批注并修改其为纠正图纸而编写的代码时给自己写的笔记摘录。（E）是更新后的立面图。 一个有趣的问题是，为什么这些模型直到最近都如此不擅长技术制图，以及为什么最近的模型进步如此之快。我只能推测，但似乎合理的是，模型的技术制图技能是一种复合能力，涉及若干子技能，如视觉、空间推理和编码，而复合技能只有在每个子技能都可靠地达到足够水平时才能出现。因此，在子技能逐步提高但仍低于最低要求阈值时，技术制图能力并不存在；而一旦它们越过这些阈值，该能力就相对迅速地出现了。 模型在制图方面将比现在好得多。有许多杠杆有待拉动，其中任何一个都会改善制图输出，而它们的组合将带来更大的改善。例如： 1. 工具。Opus 5.5 在房屋项目上花费的相当一部分时间，被分配用于从我的参考集中提取制图标准，并编写一个复杂但繁琐的 CAD 制图程序。4 没有理由每项制图任务都需要完成这两项工作中的任何一项。两者的代码都可以优化，然后在新制图任务开始时预先加载，使最终用户能够在无需 AI 实验室参与的情况下，同时提高模型输出的速度和质量。 2. 预训练。随着更好的基础模型被训练和发布，它们更高的通用能力将在技术制图任务上产生更好的结果，即使这些任务并非 AI 实验室训练工作的直接目标。 3. 对相关技能进行后训练。随着 AI 实验室继续投入后训练工作来改进模型在技术制图时所依赖的特定技能（如编码），模型将在技术制图上变得更好，即使后训练并非直接聚焦于此。 4. 对技术制图进行后训练。AI 实验室将使技术制图成为后训练的直接目标，从而在这一领域产生范围较窄但实质性的改进。 简而言之，有充分理由相信仍有大量容易摘取的成果，而当这些成果被摘取时，模型将在技术制图方面好得多。 建筑学院现在面临着与其他学科相同的问题。学生如今可以快速“凭感觉制图”完成设计项目，而这些项目在过去会花费他们数周甚至数月时间。这不会帮助他们学习建筑，就像 ChatGPT 草草生成的一篇学期论文不会帮助他们学习文学一样。我假设许多建筑项目会拥抱这种 AI 的使用方式。也许其他项目会走向相反方向，让学生进行老式的手工制图，这相当于建筑领域的蓝皮书手写考试。5 毕业后，如果早期职业建筑员工自己没做过多少制图，他们如何能够有效监督 AI 模型生成技术图纸，目前尚不清楚。我能够胜任地红笔批注 Opus 5.5 的草图，是因为我有多年从事这类绘图工作的经验。 建筑事务所可以聘用那些他们知道在一段时间内不会产生生产力的初级员工，但承担这笔额外成本的事务所将相对于不承担该成本的其他事务所处于竞争劣势。不用说，这个问题并不限于建筑行业。 建筑事务所收入的很大一部分来自技术制图生产。AI 几乎肯定会使技术制图的生产成本降低，而事务所之间的竞争将对费用形成下行压力，除非技术制图的数量因价格变化而增加。 绘图数量会增加吗？可以说，不会增加太多。用经济学术语来说，施工文件集并非直接销售给最终用户的“最终产品”，而是用于开发其所描绘的实体建筑的“中间投入”，并且施工文件集的成本只占建筑总开发成本的一小部分。建筑开发成本的大部分用于施工本身，而施工本身深受大宗商品价格等无关因素的影响。因此，即使施工文件的成本大幅下降，也不会对新建筑的总开发成本产生多大影响，因而不会刺激新建筑项目及相关图纸集数量的大幅增加。 上述论点可能出错有一些原因。其一，完整的施工文件集为准确的施工定价提供了最佳基础。通常，施工定价会随着设计推进而迭代进行，从基于早期方案图并包含显著误差幅度的初步定价开始。然后，根据初步定价进行范围调整并更新图纸，如此继续，直到基于完整文件集最终确定定价。尽管如果初始图纸更详细，初始定价会更准确，但为一个可能发生变化的范围支付高额费用让建筑师制定完整文件集并不合理。然而，如果施工文件的价格大幅下降，那么为每一次设计迭代制作完整图纸集就可能变得合理，从而使初始定价更准确，并使后续范围调整过程更高效。这可能会使对施工文件生产的需求变得更有弹性。 另一种可能性是，客户和政府将通过要求更多文档来适应新情况。业主将为目前仅靠有限文档即可应付的较小项目要求精细的施工文件集，并为已经需要图纸和规格说明的项目要求更广泛的文档。而监管机构将通过习惯于新增文档并使其成为强制性要求，把这些变化固定下来。 当前模型的制图能力仍然有限，但这次实践的主要收获应是它们的改进轨迹，而不是此刻的状况。鉴于它们的改进速度，并且鉴于我们对其工作方式的了解，我们应当假设它们将在相对不远的将来在制图方面变得好得多，并对建筑及相关职业产生深远影响。我不能说我在为这一变化欢呼；看到我通过多年努力发展出的技能被新技术变得不那么有价值，令人警醒。但无论喜欢与否，这就是我们前进的方向。 按模型发布日期排列的完整施工文件集： Google Gemini 4 Argon (High) | 发布日期：2026 年 9 月 30 日 下载 OpenAI GPT-6.1 Sol (Ultra) | 发布日期：2026 年 9 月 29 日 下载 Claude Opus 5.5 11.8MB ∙ PDF 文件 下载 Anthropic Claude Opus 5.5 (Max) | 发布日期：2026 年 9 月 22 日 下载 SpaceXSI Grok 4.7 (High) | 发布日期：2026 年 9 月 21 日 下载 OpenAI GPT-6 Astra (Ultra) | 发布日期：2026 年 9 月 3 日 下载 Gemini 3.8 Flash 1.06MB ∙ PDF 文件 下载 Google Gemini 3.8 Flash (High) | 发布日期：2026 年 9 月 2 日 下载 Claude Fable 5.1 2.07MB ∙ PDF 文件 下载 Anthropic Claude Fable 5.1 (Max) | 发布日期：2026 年 9 月 1 日 下载 OpenAI GPT-5.6 Sol (Ultra) | 发布日期：2026年7月9日 下载 Anthropic Claude Fable 5 (Max) | 发布日期：2026年6月9日 下载 Anthropic Claude Opus 4.8 (Max) | 发布日期：2026年5月28日 下载 Claude Opus 4.6 61.1KB ∙ PDF文件 下载 Anthropic Claude Opus 4.6 (Max) | 发布日期：2026年2月5日 下载 Claude Haiku 4.5 754KB ∙ PDF文件 下载 Anthropic Claude Haiku 4.5 (Extended) | 发布日期：2025年10月15日 下载 1 例如，Opus 5.5的设计缺少第二条逃生通道，这违反了州法规，很可能会被建筑检查员标记出来。马萨诸塞州采用的《国际住宅规范》基础文本允许住宅单元仅设一条逃生通道，但马萨诸塞州的州修正案将最低要求提高到两条。这个错误部分是我的责任，因为我没有在概念草图中包含第二条逃生路径，但这是一个容易修复的问题，而且本应被检查出来。9月的两个OpenAI模型确实发现了我的错误，并通过在后部露台增加楼梯来解决它。通过以独立建筑规范检查模块的形式提供更好的工具，这类错误可以变得更不容易发生。 2 在其他选项中，AI模型为解决这些制图任务而编写的那类Python代码可以直接打印PDF图纸集，或生成可在AutoCAD等程序中打开、编辑和打印的DXF文件。 3 生成线稿的代码自CAD软件诞生以来就一直存在。Autodesk在20世纪80年代发布了AutoLISP，它能够通过代码生成任意线稿。但对于人类来说，通过编写代码而不是直接使用CAD软件的图形界面来为复杂的一次性几何图形创建线稿，效率会极其低下，因此AutoLISP和其他语言通常被用于自动化绘制特定的重复性元素，而不是从头创建整个复杂图纸。然而，前沿AI模型能够如此快速地生成高质量代码，以至于这种方法对它们来说实际上是可行的。 4 当我查看Opus 5.5为创建房屋图纸集而编写的代码时，我发现它超越了在笛卡尔坐标系中硬编码对象位置的做法，并在一定程度上朝着创建参数化模型的方向发展。但只是在一定程度上，因为许多对象的坐标仍然是硬编码的。当我尝试手动编辑控制建筑长度的Python文件时，我发现当我增加长度时，立面图确实会拉伸，但许多平面图却没有，尽管与平面图关联的尺寸标注确实会拉伸。因此，尽管该代码库很复杂并且有效地解决了特定需求，但它很笨拙，并且充满了在需求变化时出现的问题。这段代码可以改进，使其能够用于其他建筑布局，而无需每次都进行大幅重写。 5 与直觉相反，计算机进行技术制图的能力可能会强化人工手绘制图的理由。CAD和BIM软件最初是作为技术制图工具出现的，但它们大举进入了最早的设计阶段，而在这些阶段，它们的刚性使它们不太适合。专业的理由是，计算机软件无论如何都将用于施工文档，因此如果施工文档流程能够从早期设计中断的地方接续，而不是在早期图纸手工完成后再从头开始，项目工作流程会更高效。但AI技术制图的引入可能会改变现有工作流程，从而消除与手绘早期设计相关的低效问题。