BOM Voyage

За этим бенчмарком стоит его разработчик, gNucleus AI — американский стартап, создающий специализированный ИИ для CAD, расчётов и проектирования. Идея — сделать своего рода «автопилот проектировщика»: система получает текстовое описание, чертёж или изображение и строит по ним редактируемую параметрическую CAD-модель. Она может работать не только с отдельными деталями, но и со сборками. В отличие от обычного подключения ChatGPT к CAD через API, gNucleus делает ставку на специализированные модели, обученные на данных проектирования. Дальше вокруг модели строится агент: он может создавать и изменять CAD, проверять результат, запускать расчёты и постепенно улучшать конструкцию. Для предприятий предусмотрено обучение на собственных данных и развёртывание в закрытой инфраструктуре. В итоге gNucleus интересен как попытка перейти от простого Text-to-CAD к полноценным CAD-агентам: задание → построение модели → проверка → расчёт → исправление и оптимизация. То есть CAD становится для ИИ примерно тем же, чем IDE и терминал уже стали для программирующих агентов. https://www.gnucleus.ai

Бенчмарк Parametric CAD Bench проверяет, насколько хорошо связка «ИИ-модель + агент» справляется со 100 задачами по параметрическому CAD. Всего за три месяца результаты заметно выросли: Claude Opus 5 с Claude Code набрал 0,906, тогда как прежний лидер GPT-5.5 имел 0,832. Одновременно резко упала стоимость. Grok 4.6 с Grok Build дает почти 97% качества лидера примерно за 61% его стоимости. А результат уровня 0,8, который три месяца назад обходился примерно в $170, теперь можно получить за $36,59 с Grok 4.5. Даже худшая из четырех новых протестированных связок стала бы лидером старого рейтинга. То есть всего за 90 дней ИИ-агенты стали одновременно заметно лучше и в несколько раз дешевле при решении одних и тех же CAD-задач. При этом сравниваются именно связки модели и агентной среды — например, Opus + Claude Code или GPT + Codex, поэтому часть прогресса может быть заслугой не самой модели, а инструментов и организации работы агента. https://cadbench.ai Полный отчет: https://cadbench.ai/news/august-2026-run

Если вам вдруг мало вебинаров, то вот ещё один от onshape/PTC https://luma.com/big-ai-cad-webinar Покажут Text → Code → CAD 11 ET это 18 00 по Минску, сегодня

Кстати обратите внимание, n8n - Германия, Synera - Германия, SimScale - дада, тоже Германия. Удививительный момент, Германия уделывает США по самым передовым IT технологиям, быстрее ИИ внедряет. Как стоячую уделывает. Да так, что им там тесно наверное, конкуренция же. При этом большинство немецких компаний и сервисов сервера на ночь отключают. И это не форма речи, они реально так делают, дремучее средневековье.

Собственно к чему это я, они тоже вебинар объявили. Agentic Unlocks — онлайн-мероприятие о применении агентного ИИ в инженерных и строительных процессах. Основной акцент — не на чат-ботах, а на практической автоматизации CAD/CAE, работы с проектной документацией, расчётами и другими техническими данными. Среди участников — Capgemini, Convion, Dolphin Global Holdings, Onshape, Thornton Tomasetti, Generative Engineering, CoLab, Dexory и AI Build. Они представляют CAD, совместную разработку, генеративное проектирование, строительство, робототехнику и промышленное применение ИИ. Главная тема — переход от AI-помощников к агентам, способным выполнять законченные многошаговые задачи: например, самостоятельно анализировать комплект чертежей, сопоставлять документы, находить нужные объекты и формировать результат либо взаимодействовать с CAD и другими системами. Покажут где Engineering AI уже создаёт реальную ценность и с каких процессов имеет смысл начинать внедрение. Формат ориентирован прежде всего на реальные сценарии и опыт компаний. 15:00 — 19:00 CET, целых 4 часа, но спикеров много, много компаний. Регистрация⁠ здесь: https://events.ringcentral.com/events/agentic-unlocks/registration

Ничего не разобрать, но ладно, пускай будет

Вот интересное видео о Sapphire — системе ИИ/CEM, которую я создал, объединив LEAP 71 PicoGK и Autodesk Fusion MCP для проектирования двигателя по мотивам TFE731. В конструкции используется крыльчатка, спроектированная с акцентом на максимально эффективное преобразование механической мощности на валу в кинетическую энергию потока жидкости или газа.

https://www.linkedin.com/posts/dylansmall_here-is-a-cool-video-of-sapphire-an-aicem-ugcPost-7485385081910657024-1GtJ

Только что удалось устранить одно из главных узких мест при подготовке строительной документации. Новый ИИ-инструмент анализирует всю ведомость дверей, определяет каждую противопожарную дверь и автоматически находит её точное расположение во всём комплекте чертежей. • Обработано 147 дверей • Выявлено 48 противопожарных дверей • За несколько минут получен единый PDF со всеми необходимыми отметками Именно такой подход к ИИ способен преобразить строительство: не просто генерировать текст, а выдавать точные и надёжные результаты для реальных задач. Представьте, если распространить такую автоматизацию на все ведомости, чертежи и документы проекта. И это только начало.

https://www.linkedin.com/posts/gule-noor_artificialintelligence-constructiontech-aec-ugcPost-7490449067806883841-RkqH

Скриншотики с вебинара

new text-to-cad release: - support for large assemblies - lots of fun new visualization tools - new .step.py format (CAD as code, saves disk space) - 20x faster builds - 3x faster renders oh and you can one-shot F-14D super tomcats https://github.com/earthtojake/text-to-cad

Судя по всему, для векторизации CAD-геометрии — то есть построения эмбеддингов для поиска геометрически похожих деталей — в Synera используется TechSoft3D / HOOPS AI. https://www.techsoft3d.com/developers/products/hoops-ai/ Фактически готовая инфраструктура для подобного.

Не из вебинара, более старое

Интересное у них конечно выпадающее меню

Good news, everyone, обещают опубликовать запись вебинара

Ryan McClelland NASA "From Text to Spaceship: Advancing AI in Aerospace" at CDFAM NYC 2024 Кстати, в кадре и Synera

Text-to-Spaceship: Accelerating Space Mission Development with AI Applications due May 22nd In-person at NASA Goddard US Persons only Background: The Text-to-Spaceship internship provides a unique opportunity to work at the cutting edge of AI-driven space mission development at NASA Goddard. Interns will contribute to the creation of tools that transform engineering concepts into spaceflight hardware designs. By leveraging large language models, computational design workflows, and automated analysis pipelines, interns will gain exposure to innovative technologies shaping the future of space exploration. Potential projects include developing AI-powered automated engineering workflows, integrating design and analysis software, testing AI-generated hardware, and supporting flight demonstrations. See https://youtu.be/DV_DVw0UIF0?si=8J_PVUA6UDddxWp5 for additional context. Ideal Candidate Skills: Technical Skills: - Proficiency in Python. - Experience with AI coding tools such as Claude Code, Cursor, or Codex. - Experience with CAD or engineering design/analysis tools. - Familiarity with engineering simulation or basic optimization concepts. - Knowledge of APIs or software/tool integration (preferred). Communication Skills: - Ability to document processes and share findings effectively. - Collaborative mindset for working in a team environment. Other Skills: - Enthusiasm for AI’s potential in transforming engineering and space missions. Learning and Goals: Interns will gain practical experience in AI applications for engineering and spaceflight hardware development. They will learn to prototype tools that integrate AI with engineering workflows, explore autonomous design systems, and contribute to real-world space mission projects. By the end of the internship, participants will have developed technical skills in Python, CAD, and software integration, along with a deeper understanding of AI’s role in space exploration.

https://stemgateway.nasa.gov/s/course-offering/a0BSJ000007dxgv2AA/texttospaceship-accelerating-space-mission-development-with-ai

И вебинарчик 20-ого https://discover.solidworks.com/solidworks-in-the-age-of-agentic-ai-a-first-introduction

PTC так же движется от чат-бота к автоматизации, но горизонт уставила достаточно консервативно и в целом не особо форсирует работы в это направлении. Стратегию трансформации назвали «Triple A»: Advise, Assist и Automate. Advise — первый и самый простой уровень. Это встроенный чат-помощник, который объясняет работу функций Creo, помогает найти команду, разобраться с проблемой или освоиться пользователю, пришедшему из другой CAD-системы. Он опирается на накопленные за десятилетия знания о Creo, практики проектирования, стандарты и нормативные требования. По сути, это контекстная справочная система с разговорным интерфейсом, уже доступная пользователям Creo 13. Assist идёт дальше и получает доступ к контексту текущей CAD-модели. Он способен понимать структуру изделия, извлекать геометрические и параметрические данные и отвечать уже не общими рекомендациями, а применительно к конкретной модели. Например, для двигателя можно попросить найти все скругления, сформировать отчёт с их радиусами, а затем создать параметр верхнего уровня, управляющий всеми одинаковыми радиусами. То, что вручную может занять часы, выполняется за секунды. Assist также способен объяснить точную последовательность действий для текущей модели. Пока функция находится в бета-версии. Automate — следующий уровень, фактически агентный режим. Пользователь задаёт цель, например оптимизировать геометрию выпускного коллектора по распределению потока или акустическим характеристикам. Система сначала объясняет, какие изменения собирается сделать, запрашивает подтверждение, а затем самостоятельно строит изменённую модель. Работа выполняется в изолированной ветви, поэтому исходная конструкция остаётся нетронутой. Пользователь получает визуальное сравнение «до/после» и может принять результат либо полностью откатить эксперимент. Основой здесь служит существующий механизм Creo Design Exploration с ветвлением дерева модели. Консервативность заключается в том горизонт устанавливается на планке human-in-the-loop: ИИ предлагает и выполняет изменения, но решение об их применении остаётся за инженером. Причём отдельно оговаривается что это следствие того, что "потом замучаемся выяснять почему робот принял то или иное решение". Более амбициозный подход к этому вопросу встречается у их конкурентов, а так же многочисленных стартапов: фокус на обеспечение traceability, сохранения цепочки размышлений и контекста в том состоянии в котором он пребывал в момент принятия агентом того или иного решения. То есть отследить, понять почему было принято то или иное решение, а значит возможно найти ошибки мышления агента и внести необходимые корректировки. Но слон большой и это в целом разумная стратегия - в дальнейшем они скорее всего поглотят те стартапы которые на реальных внедрениях докажут жизнеспособность их подхода к предмету. Они вполне могут позволить себе подобную низкорисковую политику трансформации. Хотя в целом демонстрации PCT касающиеся ИИ которые попадались мне на глаза пока что достаточно слабые — отдельные функции, не особо полезные, без какой-либо системы.