EngiWorld 基准测试：AI 智能体在工程软件中的交付能力评估

研究者提出 EngiWorld 基准测试，用 1301 个任务覆盖 CAD、CAE、CAM、BIM、EDA 和 DCC 六大工程领域，评估 AI 智能体的实际交付能力。Claude Opus 5 以 44.7 分表现最优，但 24 个跨软件协作任务中七个模型共尝试 168 次仅成功 6 次，成功率 3.6%。AI 能完成基础绘图与建模，却在物理一致性和尺寸精度上存在明显短板。