新智元报道 前一阵，GPT-6 Astra 画 CAD 的视频在 X 上实火。 比如这个涡轮增压器，每个零件都单独建模，不仅能正常转动，还能一键原地拆解展开，视觉效果相当炸裂。 一时间，GPT-6 Astra 的 BenchCAD 跑分达到了惊人的 95.9%，评论区不少人已经在讨论 CAD 工程师的再就业问题了。 不过，也有工程师出来泼了盆冷水：这些零件，一个都别往生产线送。因为，画得像，不代表画得对。 内行看门道，外行看热闹。表面上看，模型已经能够复刻 CAD 的视觉界面，但从专业工程师的视角来看，这些模型在科学原理、几何结构以及部件之间的关系上，是否真的准确？ 有没有一个专业的测评基准，能够检验 AI 对三维科学对象的观察与理解能力，并评估其生成的三维对象是否符合科学与工程要求？ 最近发现了一个 benchmark，还真能评测 AI 在建筑设计中的 CAD 能力。它会像专业工程师一样，走一遍零件的检查流程，从结构关系到几何细节逐项核验，判断模型生成的结果是否符合要求。 这个 benchmark 叫 ScienceVision。 它的评测范围不止于工程制图，还覆盖生物、化学、医学影像、建筑和机械 CAD 共 5 个科学领域、22 个子领域，包含 250 道基于真实三维数据构建的题目，要求模型通过自主操作三维对象，完成观察、测量与分析。 考得最好的 GPT-6-Astra（搭配 Codex）只拿到了 0.53 分。满分 1 分。 BenchCAD 上 95.9 分的选手，到了三维科学理解与推理的考场上，只过了一半。 ScienceVision 出自 UniPat AI 和视觉推理实验室 Elorian AI，是一个基于专家级视觉问答（VQA）的 跨学科视觉三维理解与推理benchmark，团队透露它被开发出来的出发点是一个问题：AI 能像科学家一样观察和推理吗？ 根据现有的结果来看，评测覆盖了 GPT-6 Astra、Claude Fable 5.1、Gemini 4 Argon、Qwen3.8 Max 等当前最新、最强的 12 个开源闭源前沿大模型， 没有哪个模型能在五个学科同时领先。 这到底是些什么题，能把一众模型卡成这样？ 先看题长什么样 ScienceVision 的 demo 展示了五个学科各一段检视操作实录，其中所使用的 3D 工具是按照领域专家处理三维源数据的实际操作方式建模的， 模仿了最真实的 3D 观察场景。 生物那段，是把整个蛋白质藏起来，只留一个柠檬酸分子和旁边几个离子，量它们挨得多近。 化学那段最短，8 步：框出一个晶胞，用对称操作看它怎么一层层堆下去。 医学影像那段，CT 从三个方向来回切，找肾脏上那个病灶的边在哪。 CAD 那段是一台叉车，零件一个个点开，数有几个长得一样。 建筑那段，是顺着一条坡道量长度和高差，看坡度超没超标。 五段 demo 看下来，就像是各领域的人类专家在审核自己领域的 3D 视觉问题。动作本身都不复杂：转、点、量，但难的是每一步都得先想清楚往哪转、点什么、量哪里， 如果不经历比较 solid 的观察、理解、推理，是很难做出正确判断的。 光看视频不过瘾的话，可以自己上手。 这五道题的原始文件和检视工具，ScienceVision 的 blog 上原样开放了：你可以自己点开题目，切 3D 或平面视图，体验如何通过真实的三维检视过程，评估 AI 的科学观察能力。下方展示上手实测，大家可以感受一下： 体验入口：https://unipat.ai/blog/ScienceVision 题看完了，再来说说为什么要出这套题。 科学3D评测的空白地带 过去其实有不少 3D 理解与推理基准，覆盖室内场景理解、具身交互、抽象结构推理等方向，但它们主要服务于日常场景感知、机器人操作或工业设计等通用任务。 然而，真正面向科学领域的 3D 理解与推理基准几乎空白，仅有医学影像和机械工程等少数应用场景的专门基准，且尚未形成体系化的科学 3D 推理评测。 但科学研究过程天然对真实三维世界中的观察、推理能力有要求。 这种能力要求贯穿于不同学科的实践中：化学家要定位原子、测量几何关系；放射科医生要在不同切片间追踪结构；建筑工程师要切换视角、排除遮挡、确认构件的连接关系。 类似的活儿没有一样是看一眼图就能干完的。人类科学家需要根据过往经验，决定往哪看、怎么看、量什么，看完了再用专业知识下结论。放在 AI Scientist 身上，也是相同的道理。 ScienceVision 考察 AI 的逻辑也一样：题目和数据摆在眼前，自己决定看哪里、怎么查。其中的关键之处的道理有点类似于「斯坦门茨画线」：画一条线值1美元，知道在哪儿画线值9999美元。这就能看出哪个模型更有水平了，而可靠的观察和理解，即是检验的第一步。 在