Antigravity 2.0 与 LLM 驱动的 3D 建模现状

大语言模型 (LLMs) 与计算机辅助设计 (CAD) 的交汇点正从简单的“提示词生成形状”转向复杂的建筑合成。最近一项针对 OpenSCAD（一种基于脚本的 3D 建模器）的基准测试将 Antigravity 2.0 推向了排行榜榜首，这标志着 AI 处理精确、程序化 3D 几何形状的方式正在发生转变。

虽然基准测试结果令人印象深刻，但社区反应揭示了排行榜上的理论性能与正在部署的工具的实际用户体验之间存在显著差距。

OpenSCAD 基准测试：构建万神殿

该基准测试关注的是 LLM 生成有效的、结构稳固的 OpenSCAD 代码以重建复杂建筑形式（如万神殿）的能力。与传统的基于网格的 3D 建模不同，OpenSCAD 要求通过程序化方法来定义模型，这使其成为测试 LLM 对空间关系和几何约束进行推理能力的理想测试。

Antigravity 2.0 已成为这一特定建筑基准测试的领导者。然而，这些结果引发了开发者和工程师关于“氛围编程 (vibe coding)”趋势的辩论——即重点从严谨的工程转向基于提示词的迭代优化。

实际效用 vs. 基准测试性能

尽管专业化模型的得分很高，但用户发现通用型 LLM 在日常实用性方面也取得了成功。一位用户报告称，通过提供照片和卡尺测量值，使用 Claude 设计了一个自行车垫圈的替换件，仅通过对公差进行微调，就在第一次尝试时就得到了一个近乎完美的 3D 可打印部件。

这凸显了一个关键区别：虽然重建万神殿是一项高水平的建筑测试，但将现实世界的测量值转化为参数化 OpenSCAD 代码的能力，才是普通创客实现即时、实际价值的地方。

AI CAD 中的“最后一公里”问题

尽管 Antigravity 2.0 等模型取得了技术成就，但这些工具的推出却遭到了批评。用户指出了几个阻碍采用的摩擦点：

• 部署稳定性： 关于 IDE 错误、碎片化的计费模式和身份验证障碍的报告表明，封装 AI 的软件往往落后于模型的智能程度。
• 集成差距： 即使是像 Autodesk 这样的成熟参与者也为 Fusion 发布了智能体助手 (agentic assistants)，但用户指出这些工具在实践中往往“相当糟糕”，未能弥补从“得力的助手”到“专业级工程工具”之间的差距。
• 通用型 vs. 专业型之争： 关于 CAD AI 的未来是单一的“全能型”模型，还是专门针对几何内核和工程约束训练的一系列高度专业化的模型，目前仍是一个持续存在的问题。

社区对 AI 轨迹的看法

对这些基准测试的反应反映了 AI 社区中更广泛的紧张关系。一方面，是对快速进步的敬畏感；正如一位评论员所言：“三年前如果模型能够产出任何东西，我们都会感到惊讶；现在我们已经有了挑剔的奢侈权。”

另一方面，对于来自大型科技巨头的产品，其长期存在性和稳定性存在深度的怀疑。对项目“停止维护 (sunsetting)”的恐惧以及当前版本的稳定性问题，导致一些人质疑基准测试的胜利是否仅仅是虚荣指标，而非可靠产品生态系统的指标。

结论

Antigravity 2.0 在 OpenSCAD 基准测试中的成功表明，LLMs 正在变得越来越有能力处理程序化 3D 设计。然而，为了让这些工具超越基准测试并进入专业工作流，行业必须解决“最后一公里”问题——确保软件环境、部署稳定性以及用户界面都与底层模型一样先进。