GPT-6「看不懂 3D」实锤！250道题只拿0.53分，Claude没及格

前一阵，GPT-6 Astra 画 CAD 的视频在 X 上实火。

一时间，GPT-6 Astra 的 BenchCAD 跑分达到了惊人的 95.9%，评论区不少人已经在讨论 CAD 工程师的再就业问题了。

不过，也有工程师出来泼了盆冷水：这些零件，一个都别往生产线送。因为，画得像，不代表画得对。

这个 benchmark 叫 ScienceVision。它的评测范围不止于工程制图，还覆盖生物、化学、医学影像、建筑和机械 CAD 共 5 个科学领域、22 个子领域，包含 250 道基于真实三维数据构建的题目，要求模型通过自主操作三维对象，完成观察、测量与分析。

考得最好的 GPT-6-Astra（搭配 Codex）只拿到了 0.53 分。满分 1 分。

BenchCAD 上 95.9 分的选手，到了三维科学理解与推理的考场上，只过了一半。

来看结果，最高分 0.53（GPT-6-Astra 搭配 Codex），刚过满分的一半。而且这还不是答对率，它是包含部分得分的平均指标，真正完全答对的比例还要更低。

没有哪个模型五科全优。GPT-6 Astra 在建筑、机械 CAD 和化学三科领先（0.458、0.580、0.609），生物被 Claude Fable 5.1 以 0.650 超过，医学影像则是 Claude Opus 5.5 以 0.399 领先。

榜单前五的模型里，加上交互检视工具后涨得最多的 GPT-6.1 Sol 也只涨了 0.02，GPT-6 Astra 两种设置差不到 0.01，Claude Opus 5.5 还掉了 0.02。

知道差在哪，才知道怎么追。

下次再有人宣布「AI 科学家来了」，可以先让它做完这 250 道题再说。感兴趣的可以点下面的链接了解细节：

GitHub 开源链接：

https://github.com/UniPat-AI/ScienceVision/

Benchmark 链接：

https://huggingface.co/datasets/UnipatAI/ScienceVision

论文链接：

https://github.com/UniPat-AI/ScienceVision/blob/main/paper/sciencevision.pdf

编辑：所罗门 桃子