值得看的不是功能清单，是评价方式。建筑设计的活没有唯一正确答案，没法用选择题打分，也没法靠人肉一个个看。Snaptrude 的解法是把评分拆成两层：能算的交给代码算，算不了的交给「被建筑师评语训练出来的模型」评。这个做法站不站得住，比它能不能生成模型更值得讨论。
一、Agent 接到的是什么活
入口很朴素：一段话，或一份需求书 PDF 加场地；项目已开工的，可以直接导入 Revit、Rhino、SketchUp 的现有模型接手。Agent 不会一头扎进去画，先就需求书里没写清的地方提问，再给出设计计划，等人确认才动手。中途发现不对可以打断、给新指令，它按新方向改，不从零重来。
产出是分层的。先是体量：从场地分析出发，一次给出几个到上百个体量方案；选定后转成参数化 BIM 模型，墙、板、柱、门窗、房间都是真实构件，可以点选、改参数、继续深化。钢结构与机电在同一套模型里做——风管、水管、喷淋、桥架、立管、支吊架按楼层铺开。最后按事务所的制图标准出施工图集，需要交给下游时导出 .rvt，原有族保留。
细节层面能看出它想解决什么。厂商的说法是，Agent 会按房间功能给墙体配构造层，把核心筒周边的混凝土墙加厚，让内门朝房间内开以免挡住走廊，电梯门单独处理；遇到库里没有的构件，可以把厂商规格书喂给它，让它按规格建模。这些动作单独看都是小事，合起来才是「模型能不能往下用」的分界线——一堵墙如果只有厚度没有构造层，算量、热工、防火都用不上。
还有一样东西藏在背后：变更日志。每改一次模型都留记录，设计师能回看修改理由，Agent 也能在之前的决策上做调整而不丢设计意图。模型改到第三版，最贵的从来不是改，是没人说得清为什么改成这样。
二、AECBench 怎么给「没有标准答案」的活打分
大模型的能力评测长期集中在通用推理、写代码、问答这几块。造一栋楼要干的事——按需求书排功能、做空间规划、把构件画到能施工的深度、协调机电、出图——没有对应的尺子。后果很直接：事务所选型时没有共同基准，厂商说的提升幅度也无从核对。
AECBench 把考核拆成两层。核心要求每道题都查，用确定性检查直接读模型：楼层数、面积、空间是否重叠、每个空间是否可达、构件是不是真的参数化组件，每条检查都引用需求书里的原句和数字，通过与否都记下实测值与期望值。设计维度只在任务涉及的时候评，包括空间规划、BIM 详图、图纸、机电、价值工程，由评分模型给 1 到 5 分。
评分模型的训练方式是这套东西的关键。先让执业建筑师对输出写开放评语、按维度打 1 到 5 分；再把每条评语拆成单点标正负，反复出现在多道题里的点升级为共享准则，只属于某道题的点作为细则；评分模型就按这套准则给新输出写正负点和分数。
验证也没跳步。建筑师评语在建模之前按任务切分，六到七成用来建准则和评分模型，剩下三到四成从不给它看，只用来测四项一致性：建筑师提出的问题它找回多少、它提出的问题建筑师确认多少、1 到 5 的分数有多接近、给两份输出时偏好是否一致。另有一部分输出由两位建筑师各自独立评一遍，两人的一致度就是评分模型的上限。
| 层级 | 查什么 | 谁打分 |
|---|---|---|
| 核心要求（每题必查） | 楼层数、面积、空间不重叠、空间可达、构件为参数化组件、需求书数字是否达成 | 确定性代码检查，读模型几何与属性 |
| 设计维度（视任务而定） | 空间规划、BIM 详图、图纸、机电、价值工程 | 由建筑师评语训练出的评分模型，1—5 分 |
| 评分模型校验 | 问题召回、问题精度、评分一致、两两偏好 | 留出的 30%—40% 建筑师评语 |
任务样本都是日常活：四层幼儿园、办公楼一层从立管接水管、六户联排、既有住宅配家具、出一张商业空间的汇报图。选题不追求炫技，追求「建筑师每周都在干」。
三、两组数字：一次对照，和一张价目表
发布里最有意思的一段是比较实验。他们把同一批 AECBench 任务交给 Claude Code 和 Codex，给编程智能体的指令是：把这栋楼做成一个 Three.js 场景，在这个目录写一个 index.html，让它在浏览器里渲染出来。结果两边的三维场景都挺像样，但差别不在视觉——Snaptrude 的说法是，自家的 Agent 直接在参数化建模环境里工作，房间、墙、洞口始终是建筑构件；编程智能体产出的是场景里的形状，即使它们顺手写了 IFC4 与 JSON 的导出代码。
这个对照要打折看（下一节细说），但它至少摆清了一个常被混淆的区别：能渲染出一栋像样的楼，和能交出可编辑、可深化、可导出的模型，是两件事。
| 对比项 | Snaptrude | Revit（对照） |
|---|---|---|
| 形态 | 浏览器，实时协同，Agent 在编辑器内工作 | Windows 桌面安装，按席位授权 |
| 定位 | 方案到施工图，构件级建模，可导出 .rvt | 施工图与 LOD 400 以上加工详图的行业基准 |
| 价格（公开页） | 免费版 3 个项目；个人 60 美元/月；组织 100 美元/席/月；企业另议 | 单机约 3030 美元/年，工程建设集合同比更高 |
| AI 能力 | 官网列了 10 个 AI 智能体，覆盖场地分析、体量、楼层堆叠、BIM 转换等 | 原生无同等形态，走插件与生态伙伴 |
四、技术分析：构件级到底难在哪
生成几何不难，难的是生成「构件」。一个构件至少要有三样东西：几何、属性、关系。几何是形状；属性是材料、构造、尺寸参数、专业分类；关系是它从属哪层、和谁相接、被谁开洞。参数化再加一条：改一个参数，相关的东西要跟着变，门宽改了门洞要跟着改，层高改了楼梯踏步要重算。而变更留痕是第四层——哪一版、谁改的、为什么改，出了问题要能追。
「AI 出图」和「AI 建模」差着好几个量级，原因就在这里。效果图和 Three.js 场景只需要第一层，甲方点头就行；模型要交给下游，后三层一层都不能少。
基准本身有三处要打折扣。其一，AECBench 还没有发布，现有结果全是厂商内部跑的，任务集、检查规则、评分模型都看不到，别人复现不了。其二，和编程智能体的对照不对等——让 Claude Code 输出 Three.js 场景本来就是要它干另一件事，赢了这一局说明不了太多；真正该问的是同一个模型在参数化环境里能做到什么程度，这个实验没做。其三，评分模型的一致度上限由两位建筑师互评决定，公开材料给了方法却没给具体数值，而这恰恰决定 1 到 5 分能信几分。
还有一处口径要自己捋。「可施工的 LoD 400 模型」是发布稿和 AEC Magazine 的用词。但 Snaptrude 自己的对比页里，LOD 400 以上加工级详图仍然被留给 Revit，自家写的是构件级参数化建模加了结构、机电与出图。两句话并排放，合理的读法是：这里说的 LoD 400 指构件到位、专业齐全、图纸能出，不等于加工厂能直接下料的详图深度。采购时按这个理解去谈，别按字面谈。
放到路线里看更清楚。9 月的 AU 2026 上，Autodesk 确认 Forma 会逐步接棒 Revit，走云加 AI；Snaptrude 走浏览器原生模型加 Agent。两边都在把「文件」换成「服务」，区别是一个从文档引擎往上长，一个从方案设计往下压。谁能先让模型在审查、算量、施工三个环节被直接使用，谁的路才算走通。
五、这对 BIM 工程师意味着什么
现在就能做的四件事
- 给模型定一份可量化的验收清单。楼层、面积、空间重叠、可达性、构件是否参数化、关键房间是否满足需求书数字——这些能被代码检查的项，先自己查一遍，别等别人替你查。
- 把构件属性表和编码规则前置。AI 能画墙，但材料、构造、专业分类、编码得有人定；标准定得越早，后面接算量、接审查、接运维越省事。
- 要求任何 Agent 产出都带变更记录。设计决策能不能追溯，决定了模型进审查环节时你敢不敢签。
- 试工具时用自己所的标准，不用厂商的演示项目。拿一个已经交付过的项目让 AI 重做一遍，比看十个宣传视频有用。
这轮发布里没有的东西
- 没有第三方复现：AECBench 未开源，任务集和评分模型都看不到
- 没有中立裁判：基准、评分模型、对照实验三样都由厂商自己搭、自己跑
- 没有独立验证的 LoD 400：口径来自发布稿与媒体报道，厂商自家对比页仍把加工级详图留给 Revit
- Agent 的算力计费方式、大项目上跑一次的耗时，公开材料未提
把话说回来，这次发布最有分量的地方不在「AI 会设计建筑」这句口号上，而在它把评价标准往前推了一步。行业判断 AI 工具长期靠 demo 和口碑；一旦开始按楼层数、面积、可达性、构件参数化程度这种能量出来的指标打分，AI 在建筑里的位置就从「辅助出图」变成「被验收的交付方」。短期最实际的准备是两件：把模型做成能被机器读的样子，构件、属性、编码齐全；准备好回答「这个模型能不能直接用」——不是能不能看，是能不能被下游拿走接着干。
资料来源：Snaptrude 官方博客《AECBench: measuring AI on real architectural work》（2026 年 10 月）；AEC Magazine《Snaptrude Agent launches for BIM workflows》（2026 年 10 月 29 日）；Snaptrude 官网定价页与 Revit 对比页（2026 年 10 月访问）；鉅亨号《昨夜，建筑行业迎来 Codex 时刻》（2026 年 10 月 30 日，中文转述）。技术指标与价格均为厂商公开口径，未经独立核验。