AI 看图纸到底靠谱吗？先用这 5 个测试筛一遍

先说结论：对于清晰、单页、信息密度不高的模拟图纸，这两款主流付费多模态模型已经具备不错的基础读取能力。

2026 年 7 月 16 日，我用自己日常订阅的 ChatGPT 和 Gemini，读取同一张自制样张，并依次完成标题栏、对象、空间关系、参数和结构化交接五项测试。ChatGPT 得到 7 分，Gemini 得到 8 分。两者都能较准确地读出标题栏、轴网、构件编号、尺寸和数量。

问题出现在空间关系和工程语义上。一个模型把并不相邻的房间说成相邻，另一个模型把图纸没有标明的区域解释成“公共区”，还延伸出了采光、荷载和施工影响。

所以，这次测试要给出两个判断：从能力上看，它们已经能承担低风险的图纸信息整理；从工程准入看，仍然不能脱离人工复核。

判断一个工具能不能看图纸，不能只看演示效果。要看它能否读对版本，识别对象，理解空间关系，提取参数，并把每个结论连同出处和不确定项交给工程师复核。

本文给出测试方法，也公布这次单轮测试的结果。它不是模型排行榜：测试对象是我正在使用的产品端付费服务，不等同于固定 API 版本的基准评测；每个模型只运行了一次，也不能代表它们在真实工程图纸上的总体表现。正式采购或上线前，还要用本单位的图纸类型、输入链路和复核流程重新验证。

一、先把“看图纸”拆开

“AI 能看图纸”这句话太宽了。

读出标题栏，是看图纸；识别一根梁，也是看图纸；找到详图索引对应的另一张图，仍然是看图纸。到了核对尺寸闭合、判断构造是否满足要求、形成审查意见，任务的风险已经完全不同。

工程图纸也不是普通图片。它同时包含：

• 文字：标题栏、设计说明、尺寸、标高、材料和构件编号；
• 图形：线、圆弧、填充、符号、图例和不同线型；
• 空间：相邻、连接、包含、对齐、定位和轴网关系；
• 引用：剖面、详图、通用说明以及跨专业、跨图纸的对应关系；
• 规则：规范条文、企业标准、设计约定和项目特定要求。

因此，测试也要逐层推进：先确认输入，再看文字和对象，再看空间与跨图关系，最后才谈工程判断。

2026 年发布的 AEC-Bench 预印本提供了一个有用的观察框架。它把 AEC 场景中的任务按单张图纸内部、同一套图纸内部、项目级文档之间分层，在 9 类任务中构造了 196 个实例。论文报告的主要困难包括视觉定位、完整遍历和跨文档协同；加入领域解析工具后，一些依赖检索的任务会改善，但依赖精确定位和专业判断的任务仍然困难。

这项研究评测的是“模型加工具的系统”，不是单独评测某个视觉模型。它提醒我们：企业需要验收完整工作链路，不能只看聊天窗口里的单次回答。

二、同一张图，输入方式不同，能力边界也不同

开始打分前，先记录系统究竟看到了什么。

如果输入是 PDF 页面或截图，系统得到的通常是栅格图像。小字是否清楚、整页是否被缩放、旋转文字能否识别、虚线和实线能否区分，都会影响结果。以 OpenAI 当前公开的图像输入说明为例，其明确列出了旋转文本、不同线型或颜色、精确空间定位以及计数等限制。这份说明只能代表该产品，不应直接推断为所有模型的统一结论；但这些项目恰好都是工程图纸测试必须覆盖的风险点。

如果输入是 CAD、DXF 或经过解析的 BIM 数据，系统还可以取得图层、块、文字、尺寸对象和坐标。此时，底层解析器承担精确提取，大模型负责归纳、关联、查漏和生成复核清单，通常比“把整张 CAD 截成一张图”更可控。

FloorPlanCAD也说明了矢量信息的价值。该研究使用一万余张真实 CAD 平面图，以线级标注覆盖 30 类对象，同时处理可计数的门窗等实例和墙体等连续语义。它研究的是符号识别任务，并不能证明通用模型已经会做工程审查；它证明的是，图纸识别需要几何、拓扑和领域语义共同参与。

所以，比较两个 AI 系统时必须固定这些条件：

• 原始文件、页码和裁切范围；
• 图片分辨率或 PDF 渲染参数；
• 是否允许 OCR、CAD 解析、搜索和代码工具；
• 模型名称、版本和测试日期；
• 系统提示词、用户提示词和输出格式；
• 是否提供图例、设计说明及相关图纸；
• 每道题的标准答案和证据位置。

条件不一致，分数就没有可比性。

三、测试 1：先读对图纸身份和版本

第一项只测标题栏、目录和版本，不做任何工程判断。

让系统提取：

• 项目名称；
• 图纸名称、图号和专业；
• 版本、日期和修订标记；
• 比例；
• 设计、校对、审核信息；
• 当前图纸在图纸目录中的位置。

输出应为结构化表格，每个字段都带证据位置。例如“标题栏右下角”“图纸目录第 12 行”，不能只给一个值。

这一步的失败看似基础，后果却很直接。旧版图纸被当成新版，图号相近的图纸被混用，后面的识别再准确也没有意义。

建议提示词：

请只根据图纸读取标题栏和版本信息，不要猜测。输出字段、读取值、证据位置和确定性。看不清的字段写“无法确认”。

通过标准：关键字段基本正确；无法确认时明确拒绝猜测；能够指出证据区域。

失败红线：编造版本号、混淆图号，或把文件名当作图纸内证据。

四、测试 2：能否识别对象，并把对象定位回图上

第二项测试轴网、构件、符号和标注。

一张结构平面图可以要求系统列出轴网、柱、梁、墙、洞口、尺寸标注和详图索引；一张建筑平面图可以测试墙、门窗、房间名称和标高；机电图则应换成对应专业的设备、管线、阀件和系统编号。

重点不只在“识别出了什么”，还在“它在哪里”。每个对象至少要有：

• 类型和编号；
• 所在页码或图纸编号；
• 轴网或区域位置；
• 关联文字和参数；
• 证据坐标、裁切区域或可回看的标记；
• 是否确定。

工程图中的同一形状可能代表不同对象。矩形可能是柱、洞口、设备基础，也可能只是索引框。离开图例、图层、相邻文字和专业语境，单靠外形很容易误判。

建议提示词：

请识别图中可见的轴网、构件、符号和尺寸标注。每项输出类型、编号、位置、参数、证据和确定性。不要做规范判断，不要补充图中没有的信息。

通过标准：主要对象和编号基本正确，能够回到图上定位；没有把相似符号强行归为同一类。

失败红线：对象名称看似完整，却无法提供任何可核查位置。

五、测试 3：能否处理空间关系和跨图引用

第三项通常比对象识别更难。

可用问题包括：

• 某根梁连接了哪些柱？
• 某道墙位于哪两条轴线之间？
• 门窗、洞口与墙体是什么关系？
• 平面图中的剖切符号指向哪张剖面图？
• 详图索引与目标详图是否对应？
• 建筑、结构和机电图中的同一位置是否存在明显不一致？

这些问题要求系统同时处理文字、线条、箭头、坐标和跨页引用。AEC-Bench 报告的失败类型正包括引线与几何定位、完整遍历和跨文档协调。单页上找到一个关键词，不等于理解了整套图纸。

测试时不要一次让 AI “找出所有问题”。先用有标准答案的小问题验证关系：A 是否与 B 相连，索引 X 是否指向 Y，构件是否位于指定轴网内。每道题都要求给出证据链。

建议提示词：

请逐项回答以下空间关系和跨图引用：[在这里列出具体问题]。每个结论写明起点、终点、关系、页码或轴网位置及证据。不要自行增加关系问题；不能确认时说明缺少哪一张图或哪一处信息。

通过标准：方向、连接、包含和索引关系正确；跨图结论能列出两端证据。

失败红线：左右颠倒、错接轴网、把相邻说成连接，或在缺少关联图纸时补出结论。

六、测试 4：能否提取数量和参数，并区分“标注值”与“估计值”

第四项把结果推向可计算数据：

• 构件数量；
• 长度、面积和标高；
• 截面尺寸和墙厚；
• 材料与强度等级；
• 设计说明中的荷载或控制参数；
• 图纸与计算书之间需要核对的参数。

这里最危险的做法，是把视觉估算写成精确尺寸。图上看起来“差不多”的距离，不能替代尺寸标注；OCR 读出的 3600，也需要和尺寸线、单位及所在对象绑定。

数量同样不能只给总数。应同时保留对象清单，才能发现重计和漏计。若系统声称有 12 根柱，复核者应能看到这 12 个对象各自的编号或位置。

建议提示词：

请提取图中能够确认的数量和参数。区分图纸标注值、对象计数和视觉估计。每项给出单位、对应对象、证据位置和确定性。视觉估计不得用于计算。

通过标准：数值、单位、对象和证据能够互相对应；计数可以回溯到对象列表；估计值被明确隔离。

失败红线：把视觉估计当成标注尺寸，或给出无法回溯的精确总数。

七、测试 5：能否把结果交给工程师复核

第五项决定这个系统能否进入真实流程。

合格输出至少应包含：

• 结构化字段或 JSON；
• 图纸编号、页码、轴网或坐标；
• 原始证据和必要的局部裁切；
• 确定项与不确定项；
• 缺失输入；
• 需要人工确认的问题；
• 模型、工具、提示词和运行时间记录。

还要测试它会不会自我约束。给系统一张缺少详图页的图纸，要求它判断详图构造；合格做法是指出证据不足并索取相关图纸。若它继续生成一套完整构造，就是典型的流程风险。

建议提示词：

请把结果整理为结构化数据，只保留有图纸证据的结论。无法确认的内容放入 uncertain_items；缺失的图纸放入 missing_inputs；需要工程师判断的内容放入 human_review_questions。每项保留 evidence。

通过标准：输出能被人和下游系统复用，证据可回看，不确定项没有被藏在流畅文字里。

失败红线：直接给出“合格”“安全”“满足规范”等结论，却没有完整规则依据、计算过程和专业复核。

八、评分不要只看总分，还要设置一票否决

五项测试每项 0—2 分，总分 10 分：

| 测试项 | 0 分 | 1 分 | 2 分 | | --- | --- | --- | --- | | 图纸身份与版本 | 关键字段错误或编造 | 部分正确，证据不完整 | 基本正确，证据清楚，无法确认时不猜 | | 对象识别与定位 | 漏掉主要对象或分类错误 | 能识别部分对象，定位不稳 | 主要对象、编号和位置基本正确 | | 空间与跨图关系 | 方向、连接或索引明显错误 | 能说大致关系，证据不足 | 关系正确，能够给出两端证据 | | 数量与参数 | 大量错误，混淆估计与标注 | 部分正确，回溯困难 | 数值、单位、对象和证据对应 | | 复核与交接 | 只给自然语言结论 | 有表格或 JSON，字段不完整 | 结构清楚，含证据、不确定项和人工复核项 |

可先把 0—4 分视为聊天解释能力，5—7 分视为低风险资料整理候选，8—10 分才进入受控试点。这个分段只是试点建议，不是行业标准，也不能直接转换成工程责任授权。

还要设置一票否决：

• 读错图纸版本后继续分析；
• 编造不存在的构件、尺寸或图纸；
• 把空间关系说反；
• 隐藏无法确认的项目；
• 在证据不足时给出安全或合规结论。

总分高，碰到任何一条红线也应判为本轮不通过。

九、一张自制样张，怎么跑完这套测试

第一轮不必使用保密的真实项目图纸。可以先制作一张公开样张，包含标题栏、轴网、柱梁墙、门窗、尺寸、图例和简单房间关系，并提前写好标准答案。

这次实际怎么测

我把同一张 PNG 样张分别交给 ChatGPT 和 Gemini。两款产品都是我日常使用的付费订阅服务。测试记录来自产品聊天界面导出的 PDF，测试日期为 2026 年 7 月 16 日。

五轮提示词依次要求模型：

1. 读取标题栏和版本信息；
2. 识别轴网、构件、符号和尺寸；
3. 回答空间关系和跨图引用；
4. 区分标注值、对象计数与视觉估计；
5. 输出包含证据、不确定项、缺失输入和人工复核问题的结构化数据。

两份导出记录没有保留准确的内部模型版本和生成参数。因此，这里评的是我在产品端实际得到的结果，不把它包装成可复现的实验室基准。

结果：基础读取已经不错

| 模型 | 身份与版本 | 对象定位 | 空间关系 | 数量参数 | 复核交接 | 总分 | | --- | ---: | ---: | ---: | ---: | ---: | ---: | | ChatGPT | 2 | 2 | 0 | 2 | 1 | 7/10 | | Gemini | 2 | 2 | 1 | 2 | 1 | 8/10 |

ChatGPT 的一票否决项是把并不相邻的房间判断为相邻；Gemini 的一票否决项是把缺少直接证据的空间语义放入确认项。

两款模型都完整读出了项目名称、图纸名称、图号、版本、比例和专业，也识别了 A—D、1—4 轴网，8 个框架柱、3 个顶部框架梁，以及墙 W1、门 M1、窗 C1 的主要参数。3600 和 3300 的轴距也读取正确。

对于这种干净、简单、文字清楚的模拟图纸，表现称得上不错。它们已经不只是“看见几个字”，而是能把一页图纸整理成一份有结构的数据初稿。

分数没有暴露的风险

ChatGPT 的问题很具体。它把资料间与会议室、资料间与办公室、办公室与会议室分别描述成水平或垂直相邻。这些房间实际位于不同轴网区域，不能据此判定为相邻。

Gemini 的轴网定位更细，但更容易顺着图形补充工程语义。它把未标注区域称为“公共区”，把窗解释为采光和视线联系，还延伸到设计阶段、荷载和施工影响。这些内容有些可以作为复核问题，不能作为已由图纸确认的事实。

两份结果中的 evidence 也主要是“右下角标题栏”“D 轴附近”一类文字说明，没有坐标、标框或局部裁切。它们能帮助人快速找到大致位置，还不是完整的证据链。

这正是为什么总分和准入结论要分开看。7 分、8 分说明基础能力已经具有实用价值；触发一票否决，则说明它们还不能独立承担空间判断和工程结论。

本轮第三个提示词还有一个方法问题：它要求模型回答“指定的空间关系”，却没有逐项列出问题。两个模型因此自行选择了要分析的关系。后续复测应把每一道空间关系写清楚，并提前确定标准答案。

如果你也要复测

然后按固定顺序测试：

1. 只读取项目名称、图纸名称、图号、版本、比例和专业。
2. 列出轴网、柱、梁、墙、门窗及其编号和位置。
3. 回答门窗位于哪些轴线附近，房间之间如何相邻。
4. 提取轴距、构件截面、墙厚和门窗尺寸。
5. 输出带 evidence、uncertain_items、missing_inputs 和 human_review_questions 的 JSON。

不要在一条长提示词里把五项测试全部塞进去。分步测试更容易定位错误来源，也能观察上一步错误是否会污染下一步。

为了检查稳定性，可在相同条件下独立运行三次。若同一模型对同一图纸给出三个不同数量，单次高分没有太大意义。记录每次运行结果，再看正确率、遗漏率、误报率和结果波动。

进入企业试点后，再逐步增加难度：

• 从自制样张换成脱敏项目图纸；
• 从单页换成整套图纸；
• 从一种专业换成建筑、结构、机电协同；
• 从栅格图像换成 PDF、DXF 或 BIM 结构化数据；
• 从信息提取换成图纸与说明、图纸与计算书的一致性初筛。

每增加一层，都要重新建立标准答案，不能沿用上一层的分数作能力担保。

十、真实 DWG 应该怎么测

如果输入是真实 DWG，不建议只截一张全图交给大模型。

视觉路线可以从 CAD 软件导出高分辨率 PDF 或 PNG，并分别准备总览、标题栏、设计说明、局部详图和尺寸密集区。这条路线适合测试阅读、归纳和视觉定位。

对象路线则把 DWG 转成可解析的 DXF，保留图层、块、文字和尺寸对象，再建立对象表与空间索引。大模型基于结构化结果解释关系、生成清单和提出复核问题。

更可靠的链路是：

DWG / DXF
-> 解析图层、块、线、文字和尺寸
-> 建立对象表与空间索引
-> 识别构件、图例和图纸区域
-> 生成结构化中间数据
-> AI 归纳、关联、查漏并列出不确定项
-> 工程师复核高风险结论

这也解释了为什么同一个基础模型，接入不同解析器、搜索工具和验证器后，工程表现会明显不同。采购时应验收整套系统：输入有没有丢失，解析有没有保留证据，模型有没有越权，下游是否支持人工复核。

十一、哪些任务可以先试，哪些任务暂时不要放手

适合先试的任务有：

• 标题栏和图纸目录整理；
• 版本、图号和修订记录比对；
• 设计说明、材料表和构件清单抽取；
• 详图索引与目标图纸的关联检查；
• 图纸和计算书参数的一致性初筛；
• 为工程师生成带出处的复核问题清单。

这些任务仍需抽样复核，但错误通常更容易发现和回退。

暂时不要把以下工作只交给通用多模态模型：

• 精确几何提取和尺寸闭合验算；
• 自动算量后直接进入计价；
• 跨专业冲突的最终认定；
• 结构安全、消防合规等高风险结论；
• 替代注册专业人员的审查与签字。

工具可以帮助工程师扩大检查范围，不能替工程师承担未经验证的判断。

十二、最后的判断

AI 看图纸到底靠谱吗？

这次测试给出的答案比单纯讨论方法更直接：对于清晰、简单的模拟图纸，这两款主流付费多模态模型的表现已经达到较好水平。标题栏、轴网、构件、尺寸和数量等基础信息，已经能够较完整地提取出来。

这意味着它们可以开始承担一些真实工作：整理标题栏和图纸目录，提取构件清单，生成参数初稿，或者为工程师准备一份待复核的问题表。

但“读出信息”和“理解工程关系”仍是两件事。空间位置、构件连接、跨图引用和工程影响，一旦缺少明确证据，模型就可能用流畅的语言补上空白。

有效的测试，不问它“看懂了吗”，而是连续追问：

图纸身份读对了吗？对象能定位吗？空间关系能复现吗？数值有出处吗？不确定项能交接吗？

这五项过不了，流畅回答没有工程价值。五项都通过，也只是获得进入受控试点的资格。

所以，我对这次测试的最终判断是：AI 看简单图纸的能力已经进入可用阶段，但还没有进入可以放手的阶段。

把标准答案、证据位置、失败红线和人工复核写进测试，模型的能力才有机会进入工程工作流。

参考资料

• Mankodiya, Harsh, et al. AEC-Bench: A Multimodal Benchmark for Agentic Systems in Architecture, Engineering, and Construction, arXiv preprint, 2026.
• Nomic AI. AEC-Bench 开源数据、Agent Harness 与评测代码, 2026.
• Fan, Zhiwen, et al. FloorPlanCAD: A Large-Scale CAD Drawing Dataset for Panoptic Symbol Spotting, ICCV 2021.
• OpenAI. ChatGPT Image Inputs FAQ, 访问于 2026-07-13.

如果你正在测试类似场景

如果你的团队正在评估 AI 图纸识别，可以通过文末入口或平台私信，简单说明图纸类型、输入格式和希望验证的任务。我会先判断是否适合开展一次小范围测试。

原始测试记录

为便于复核，下面保留两份未经删改的产品端原始输出。本次结果来自单轮测试，不构成模型总体能力排名或工程适用性证明。

• Gemini：图纸标题栏信息提取原始记录
• ChatGPT：图纸字段读取分析原始记录

关注我们

欢迎搜索并关注 筑见实验室，获取更多建筑 AI、结构计算与工程数字化实践：