Antigravity 2.0 與 LLM 驅動 3D 建模的現狀

大型語言模型 (LLMs) 與 3D 建模的交集正從理論上的好奇心轉向實際的實用性。最近一項針對 OpenSCAD（一種基於腳本的 3D CAD 建模工具）的基準測試，凸顯了當前模型的實力，其中 Antigravity 2.0 在建築重建方面脫穎而出，成為頂尖表現者。

這一發展標誌著我們處理空間設計方式的轉變。透過將 3D 幾何形狀視為程式碼（經由 OpenSCAD），LLMs 可以利用其在程式設計與邏輯方面的優勢來生成物理對象，縮小了自然語言描述與可觸摸、可列印零件之間的差距。

The OpenSCAD Architectural Benchmark

該基準測試特別測試了模型使用 OpenSCAD 重建複雜建築結構（例如萬神殿 Pantheon）的能力。這是一項對空間推理與程式碼能力的嚴格測試，因為模型必須將視覺或歷史概念轉化為精確的數學座標與布林運算 (boolean operations)。

雖然 Antigravity 2.0 在基準測試中名列第一，但整體結果顯示頂尖模型之間的差距正在縮小。一些使用者注意到，雖然某些模型在總分上可能排名較高，但在處理特定建築元素（例如圓頂與天花板結構）時，其他模型（例如 Claude Code 2.1 / Opus 4.7）可能會處理得更準確。

Practical Applications: From Roman Architecture to Bike Parts

除了古代建築的理論基準測試之外，LLM 驅動的 CAD 的實際用途已在愛好者與工程師身上得到體現。從照片轉化為功能性零件的能力正成為現實。

一位使用者分享了一個關於缺失的自行車線纜佈線孔套 (grommet) 的成功案例。透過向 Claude 提供孔洞的照片與數位卡尺的測量數據，該使用者能夠生成一個參數化的 OpenSCAD 模型。僅需對公差進行微調（將 0.3mm 的減法調整為 0.1mm），該零件便以 TPU 列印出來，並在第一次嘗試時就完美契合。

這凸顯了一個關鍵的工作流程：Image $\rightarrow$ Measurement $\rightarrow$ LLM $\rightarrow$ OpenSCAD $\rightarrow$ 3D Print。這一流程大幅降低了自定義零件更換與快速原型製作的門檻。

The "Vibe Coding" Dilemma and Implementation Gaps

儘管基準測試取得了成功，但模型性能與產品穩定性之間存在顯著的脫節。幾位使用者對 Antigravity 的推出表示沮喪，理由是 IDE 更新、碎片化的計費模式以及身份驗證障礙等問題。

這種緊張關係指向了 AI 產業中的一個更廣泛的問題： 「vibe coding」（基於高層次意圖與大致感覺來生成程式碼的行為）與穩定生產工具所需的嚴謹工程學之間的差距。正如一位評論家所言：

"If even a behemoth like Google is dropping the ball like this, it says a lot [about whether vibe coding can actually be trusted]."

此外，產業仍在思考一個問題：通用型 LLMs 是否足以應付所有任務，或者最終會出現專門針對 CAD 的特定模型來處理專業工程的複雜性。

The Road Ahead for AI CAD

目前 AI 驅動的 3D 建模技術令人印象深刻，但尚未能取代 Autodesk Fusion 等專業軟體。產業內的既有廠商已嘗試整合代理型助手 (agentic assistants)，儘管早期回饋顯示這些工具仍處於起步階段，且在靈活性方面往往不如獨立的 LLMs。

隨著 AI 性能的「目標門檻」不斷提高，社群的觀點也在演變。三年前被認為是奇蹟般的技術，現在已被視為基準線，使用者現在正針對空間精確度與軟體穩定性的細節進行挑剔。發展軌跡顯示，雖然模型已具備生成幾何形狀的能力，但下一個前沿領域是解決工具所依附的整合與可靠性問題。