大模型能看懂施工图、建出 BIM 模型吗？四个模型的实测

完整评测报告（PDF，约 60 页，含全部方法、数据和附录）：下载

建筑工程里有大量工作是在图纸和模型之间来回转换：看图、按图建模、按规范补深化构件、把施工进度挂到模型上。这些工作量大、规则多，也很依赖经验。现在的通用大模型已经能在自己的 agent 环境里写代码、调用软件，那么它们在这类 BIM 工作上能做到什么程度，哪些环节可以交给模型，哪些还不行？

我用国内 BIM 技能等级考试（建筑施工方向）的真实考题与配套图纸，测试了四个模型：Opus 5.5、GPT-6 Astra、Kimi K3.1 Pro 和 DeepSeek V4.1 Flash。这篇文章介绍测试方法和主要结果。

一句话结论

Opus 5.5 根据 5 张施工图，用半小时左右建出了一层地下室的模型初稿，主要构件基本齐全、位置大体正确，但墙厚、柱截面和门窗编号等细节仍需人工校核。GPT-6 Astra 的结果与它接近。Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 在建模任务上漏建较多，目前还不适合用来出初稿。

图 1　Opus 5.5 根据 5 张施工图建出的地下一层模型（IFC 格式，隐藏顶板后的三维视图）。

怎么测的

被测对象。 四个模型都在各自原生的 agent 工具环境中运行：Opus 5.5 用 Claude Code，GPT-6 Astra 用 Codex，Kimi K3.1 Pro 用 Kimi Code，DeepSeek V4.1 Flash 用 DeepSeek Harness。因此比较的是”模型加上它的工具环境”这一整套系统。统一条件是：思考档位都设为 high，不允许联网，不允许启用子代理。看图、操作 BIM 模型所需的专用工具以 skill 的形式提供，只说明工具怎么用，不含解题提示。

三种 BIM 操作方式。 建模类任务都用三种方式各做一次：

• IFC：模型写 Python 代码，用 IfcOpenShell 直接生成或修改 IFC 文件；
• BimDown：一种面向 AI 的简化 BIM 模型格式（AI-native），构件属性存为 CSV 表，几何存为 GeoJSON，配有命令行工具做校验和构建，模型直接读写这些文本文件；
• Revit：模型经 MCP 调用 Revit 中的建模工具，或发送 C# 代码在 Revit 里执行。

四类任务。 题目取自国内 BIM 技能等级考试（建筑施工方向）2025、2026 两期的真实考题与配套图纸，标准答案来自题目自带的 DWG、IFC 源数据，与图纸不一致的地方一律按图纸校正。

任务	内容	规模
读图问答	7 组题、26 个小问：轴网与轴距、防火门计数、承台表、场地布置方位、坡道剖面、建筑图与结构图对照、钢柱节点的三维构造	每组题单独作答
看图建模	根据 5 张施工图建出整个地下一层：墙、门窗、柱、剪力墙、顶板梁板、承台、底板分区、集水井、后浇带	约 520 个构件
二次结构深化	给地下一层全部砌体墙补构造柱、圈梁、过梁和导墙，规则写在题目里	90 道砌体墙、45 个洞口
4D 进度关联	编制 13 层主楼的钢结构施工进度（核心筒每层 3 天，核心筒做到 5 层后开始钢结构，屋顶钢结构分块吊装，考虑塔吊爬升），并把任务和模型构件关联	主楼约 3100 个构件

各任务之间不接力，每个任务都用标准素材作输入，前一个任务的错误不会带进下一个任务。

评分方法。 读图题按评分细则盲评，每组 10 分，满分 70。建模题把三种方式的产出统一换算成”平面轮廓 + 标高范围 + 类别”后与标准答案比对，分成两个指标：检出（构件建出来没有、位置对不对）和准确度（墙厚、柱截面、梁顶标高、板厚、承台尺寸、门窗编号等是否在容差内）。二次结构按题目写明的 5 条规则逐条检查。4D 任务检查 10 条进度规则，并统计每个构件被排进了哪个工序。

每个组合只用事先定好的一次运行，不挑选。另有一条规则模拟实际使用：如果结果出现使用者不看答案也能当场发现的重大问题（整类构件缺失、整体错位、没有交付等），允许重试一次，取较好的一次，用时和费用两次相加。四个模型中只有 Kimi 触发过，共两次。

结果

读图：四个模型都能读懂施工图

Opus 5.5 和 GPT-6 Astra 七组题全部答对，Kimi K3.1 Pro 得 64.75 分，DeepSeek V4.1 Flash 得 66.5 分。差别主要出在需要把建筑平面图和结构平面图叠起来对照的那组题上：题目要求说出某个房间上方顶板的标高、板厚和四周的梁，Kimi 和 DeepSeek 读错了部分区域的板面标高和板厚。

这一项的区分度不高，更适合看作基础识图能力的检查。模型在 agent 环境中可以自己裁剪、放大图纸，这一点对读图帮助很大。对于有工具可用的前沿模型，读一张施工图上的文字、数字和符号已经不太成问题。

图 2　七组读图题的总分（满分 70）。深色为提供图纸图片时的得分，浅色为直接提供 CAD 原文件时的得分。

看图建模：差距最大的一项

这是本次测试的主任务，四个模型之间的差距也最大。按检出和准确度来看，Opus 5.5（三种方式的检出 0.92 到 0.96，准确度 0.86 到 0.91）和 GPT-6 Astra（检出 0.86 到 0.91，准确度 0.82 到 0.86）明显高于 Kimi K3.1 Pro 和 DeepSeek V4.1 Flash（两者的准确度在 0.24 到 0.54 之间）。

最直观的差别是建筑隔墙。标准答案中有 90 道砌块隔墙，总长约 365 m，大多不在轴网上，需要逐道从建筑平面图上找出来。Opus 和 GPT-6 建出了七到八成，Kimi 和 DeepSeek 只建出了三分之一左右。

图 3　建出的建筑隔墙比例，按墙长计，取三种操作方式的平均。

下图是 DeepSeek 在 IFC 方式下的结果，按标准答案中的每道墙着色。红色是漏建的墙，共约 285 m，其中 200 厚的内隔墙只建了约 27%。橙色是建了但厚度不对的墙，共约 247 m，主要是 300 厚的外墙全部按 400 建。我逐项核对了它的模型，图都看过了，但很多尺寸和标高是按少数几处读到的值整体套用的：100 根梁的梁顶标高全部取同一个值，承台只用了 3 种规格，没有逐根、逐道核对。它在 BimDown 方式下的问题类似，外墙按 350 厚建，承台按它自己的说明是”按规则分配、未逐根核对”。

图 4　DeepSeek V4.1 Flash（IFC）建的墙与标准答案的平面对比。灰色为位置和厚度都对，橙色为厚度错，红色为漏建。

Kimi 的问题类型不同。它在 IFC 方式下写的建模函数以构件角点而不是中心点定位，柱、承台、后浇带全部偏移了半个宽度，3 m 宽的承台偏了 1.5 m。读图本身大体是对的，但这种系统性偏移放到施工中就是整排基础放线错误。这个结果属于明显失败，按规则重试了一次，重试结果更差。

Opus 和 GPT-6 也有错误，集中在需要逐个核对的尺寸上。GPT-6 在 IFC 方式下找到了全部 72 根柱，但其中 36 根截面不对，多数是整 100 mm 一档的偏差，比如 700×700 建成 600×600；在 BimDown 方式下截面不对的柱有 48 根。Opus 在 Revit 方式下有 24 根柱截面不对，墙厚错误主要是 300 厚建成 200。这套图里柱只画了轮廓、没有标注尺寸，需要按比例量取，这类错误主要来自读图精度，与建模代码和工程逻辑关系不大。

图 5　GPT-6 Astra（IFC）建的柱与标准答案的对比。柱的位置全部正确，红色为截面尺寸错误的柱（图中已放大显示）。

二次结构深化：规则明确时，四个模型都完成得较好

二次结构是指砌体填充墙中的构造柱、圈梁、过梁和导墙，题目把布置规则写得很清楚（例如构造柱间距不大于 5 m，从墙底做到上方梁底或板底）。在这一任务上四个模型都完成得较好，取各模型最好的一种方式，5 条规则的平均符合率都在 96% 到 97% 之间。所有运行的门窗洞口都设了合格的过梁或圈梁。

失分集中在两处。一是墙体自由端的构造柱容易漏设，Opus 在 IFC 和 Revit 方式下这一项也只有 0.60。二是构造柱顶的高度：DeepSeek 在 Revit 方式下只有约一半的构造柱高度合格，35 根柱顶穿进了上方的梁或板（中位高出约 520 mm）。构造柱应恰好做到上方梁底或板底，这需要逐处查上方构件的底标高，模型没有这样做。另外，Kimi 在 Revit 方式下的结果明显差于另两种方式（0.77，另两种约 0.96），超过 5 m 的墙段大多没有按间距要求补构造柱。

4D 进度：进度规则都满足，差别在工程常识

四个模型在三种方式下都排出了满足全部 10 条进度规则的计划，总工期在 99 到 155 天之间。12 次运行中有 11 次的塔吊爬升方案在整个工期内满足吊臂与结构之间 8 m 的安全高差，最小净距多在 8.4 到 10.9 m，离下限不远；不满足的是 Kimi 的 BimDown 方案，有 15 天不足 8 m。

差别出在构件归类上。主楼核心筒内有 787 根混凝土梁和 157 根混凝土柱，共 944 个构件，约占主楼构件的 30%。它们是核心筒的一部分，应该随核心筒墙体一起施工。Opus 在三种方式下都把它们排进了核心筒工序，GPT-6 只在 BimDown 方式下排对（95%），在 IFC 和 Revit 方式下把梁或梁柱都归到了”其他”。Kimi 在三种方式下都没有排对。DeepSeek 在 BimDown 方式下把 740 根核心筒混凝土梁排进了钢梁工序，相当于让混凝土梁跟着钢结构吊装进度施工，顺序是错的。这一判断需要从材料和位置上区分混凝土梁和钢梁，并理解核心筒的施工方式，题目没有明说，属于工程常识。BimDown 的梁表没有材料列，钢梁和混凝土梁只能从编号区分；IFC 带有材料信息。

图 6　核心筒内的混凝土梁柱被排进核心筒工序的比例，按三种操作方式分开。

几个额外发现

读图方式。 我把同样的七组读图题改为直接提供 CAD 原文件（DXF，可以按图层、文字和坐标查询），与提供图片的方式对照。两种方式得分相近（见图 2），Kimi 和 DeepSeek 用原文件时略高。原文件方式用的轮数明显更少：每组题平均 14 轮，图片方式 29 轮。Opus 从 130 轮降到 50 轮，DeepSeek 从 513 轮降到 211 轮。如果手头有 CAD 原文件，直接交给模型会更省事。

操作方式的影响。 三种方式对结果有一定影响，且因任务而异。建模时多数模型在 BimDown 上结果最好：四个模型的检出和准确度都是 BimDown 高于 IFC，Opus、GPT-6 和 DeepSeek 的综合得分在三种方式中以 BimDown 最高；Revit 的检出也都高于 IFC，准确度没有一致规律。二次结构上 Kimi 在 Revit 上明显较差。4D 归类上没有一致规律。Opus 在三种方式下结果接近，其他模型的差异更大。也就是说，用较强的模型时可以按现有工作流选择操作方式，用较弱的模型时值得按任务挑选。

图 7　建模任务得分（检出与准确度的平均），按三种操作方式分开。

Revit 方式也不一定更贵：同一模型同一任务相比，12 组中有 6 组 Revit 比另两种方式贵。差别最大的是 GPT-6 建模，Revit 方式约 145 元，IFC 和 BimDown 方式分别约 45 元和 49 元。BimDown 方式的费用与 IFC 方式相近。

思考档位。 主结果统一用 high 档。Opus 和 GPT-6 另有一轮较低档位的结果，DeepSeek 另跑了 max 档。提高档位后多数项目变化在 0.05 以内：Opus 从 medium 到 high，9 项对照中只有 IFC 建模一项明显提高（0.85 到 0.90）；GPT-6 从 low 到 high，5 项中只有 BimDown 方式的 4D 归类明显提高（0.87 到 0.99）。DeepSeek 从 high 到 max 时，二次结构和 4D 归类有 3 项提高，建模有 2 项下降。在这些任务上，档位不是决定结果的主要因素。

成本。 按各家 API 标价折算，建一层地下室的单次费用差别很大：Opus 约 75 元，GPT-6 约 80 元，Kimi 约 23 元，DeepSeek 约 2.3 元，最高和最低相差三十多倍。不过 Kimi 和 DeepSeek 的建模结果离可用还有较大距离，这种情况下费用低的意义有限。用时方面，单次建模大多在 15 到 45 分钟之间。

图 8　建一层地下室的单次费用，取三种操作方式的平均，按 API 标价折算为人民币（汇率 6.75）。

局限性

• 每个”模型 + 任务 + 操作方式”组合只跑一次。同一配置重复运行时建模得分有明显波动，DeepSeek 在 BimDown 方式下跑了三次，准确度在 0.20 到 0.54 之间。所以建模中小于约 0.2、其他任务中小于 0.1 的差距不应看作排名依据。Opus、GPT-6 与 Kimi、DeepSeek 之间的建模差距在 0.35 以上，超出了这个范围。
• 题量少：建模、二次结构、4D 各只有一个主用例，都来自同一类公共建筑。
• 比较的是模型和它自家工具环境的整套系统，工具设计和上下文管理也会影响结果，不能完全归因于模型。各家的 high 档名义相同，实际并不完全对等。
• BimDown 是较新的格式，模型对它的预训练经验可能较少。
• 建模用的 5 张图中，4 张是设计院的真实施工图，1 张梁平法施工图（中国常用的梁截面与配筋平面标注图）是由标准答案模型生成的。
• 读图题的区分度偏低，4D 的 10 条进度规则所有运行都满足了，这两项更多反映的是基本能力，区分度有限。
• 费用按 API 标价折算，只用于横向比较。

结论

**现在可以交给模型的：**读施工图并回答具体问题；按写明的规则做二次结构这类深化工作；按给定的工期约束排出进度计划并挂到模型上。在这些任务上四个模型都能完成大部分工作，人工抽查即可。

**需要人工把关的：**从图纸建整层模型。Opus 和 GPT-6 能给出主要构件位置基本正确的初稿，可以显著减少建模工作量，但墙厚、柱截面、门窗编号仍需人工逐项校核。Kimi 和 DeepSeek 漏建较多，尺寸和标高错误也多，目前不适合用来出初稿。

**还不能放心交给模型的：**需要工程常识、题目又没有写明的判断，例如核心筒内混凝土梁柱的工序归属、构造柱与上方梁板的关系、塔吊爬升与结构进度的配合。四个模型中只有 Opus 在三种方式下都把核心筒归类做对，GPT-6 只在一种方式下做对，这类错误也不容易在不对照答案的情况下当场发现。

总体来看，前沿模型已经能在真实的 BIM 软件环境里完成相当一部分工作，主要的短板在逐项核对：图都看了，但尺寸和标高没有逐根、逐道去量。下一步值得关注的是模型能否自己发现并修正这类错误，以及在更多样的工程上结果是否稳定。