建築行業的"Codex時刻"，昨夜真的來了。
AI建築科技公司 Snaptrude 正式推出 Snaptrude Agent。
這次不是簡單地給建築師配一個聊天機器人，而是直接把Agent塞進建築設計工作流：從一份項目需求書出發，自動完成空間規劃、建築建模、結構設計、機電系統（MEP）配置，甚至生成施工圖紙。
最終交付的，是一個可以繼續編輯和深化的 LOD 400 級 BIM 模型。
換句話說，AI 不只是幫你畫一棟建築，而是開始嘗試像真正的建築設計團隊一樣工作。
一份需求書，AI直接開始造樓
Snaptrude Agent 最有意思的地方，是它不需要建築師從空白畫布開始。
整個流程非常簡單：
- 首先，上傳項目需求書（RFP），描述建築用途、面積、預算等要求，再附上真實場地資訊。
- 接下來，Agent 會先提出澄清問題，制定設計計畫，然後開始生成建築模型和相關圖紙。
- 它不僅能生成建築體塊，還會考慮空間之間的關係、建築規範、面積分配以及日照情況。
官方展示了這樣一個案例：
一份位於西雅圖真實地塊的45.2萬平方英呎（約46,000平方米）辦公園區設計簡報。Agent先提出幾個必要問題，然後製訂方案，搭建體量模型，並即時對照區劃法規進行檢查。
塔樓一旦超過限高，它會主動報警。
然後你可以繼續跟它對話：
“再有機一點”“每層旋轉一下”“一座塔矮一點，一座高一點”——體量隨之變化，它還會告訴你陽光落在立面的那個位置。
同一個模型中，輸入一條提示：“在這一層佈置機電系統。”Agent直接完成暖通風管送風與迴風、生活給水、排水與通氣管、噴淋系統、電氣與照明，連立管、吊架、風口這些細節都一一生成。每個構件都是真實元素，點選即可改。
再輸入一條：“加入景觀並應用材質。”街道樹木、露台種植、雙塔屋頂花園、米色石材與青銅鰭片立面，全部自動完成。
整個過程，不再是從零到一的一次性生成，而是迭代式的、可干預的、即時協同的設計。
更誇張的是，連水電暖通都能一起做
如果只是生成建築外觀，其實還不算真正進入工程領域。
Snaptrude Agent 更值得關注的地方，是它把 MEP（機電管線工程）也納入了同一個模型。
MEP 包括機械（Mechanical）、電氣（Electrical）和管道（Plumbing），涉及建築中的暖通空調、給排水、消防以及電氣照明等系統。官方演示中，只需要一句提示詞：
讓 AI 為當前樓層佈置機電系統。
它就能自動生成：
- 暖通空調： HVAC 送風管道與迴風管道。
- 給排水： 生活給水、廢水及通氣管道。
- 消防系統： 自動噴淋系統。
- 電氣系統： 電氣線路與照明配置。
甚至還能進一步細化到立管、管道支架、散流器等工程構件。
而且，這些不是簡單渲染出來的視覺效果。
每個元素都是真實的建築模型構件，可以單獨點選、修改和調整。
再給它一句提示詞，還能繼續加入景觀、露台綠植、屋頂花園，以及石材和金屬幕牆等材質。
從建築主體到內部機電，再到外部景觀，全部可以在同一個模型中持續迭代。
這才是 AI Agent 和傳統 AI 繪圖工具最大的區別：它不只是生成一個看起來像建築的東西，而是在嘗試建構真正能夠繼續深化的工程模型。
AECBench：給 AI 的"建築執業考試"
這次發佈還有一個重頭戲：Snaptrude 同步推出了 AECBench：一個專門衡量 AI 在真實建築工作上能力的基準測試。
為什麼需要它？因為 AEC（建築、工程與施工）行業目前沒有任何可靠的方法，來判斷一個 AI 模型到底能不能幹建築師的活。
現有的大模型評測都集中在通用推理、程式設計和問答上。而建築環境裡的工作——根據簡報做功能策劃、空間規劃、BIM 構件深化、機電協調、出圖——沒有任何對應的衡量標準。廠商的自吹自擂，無法被檢驗。
更麻煩的是，設計任務沒有唯一正確答案，選擇題式的評分方法根本測不了。一個有用的評測必須檢查：建築是否滿足簡報要求？樓層和面積夠不夠？相關空間是否相鄰？人能不能到達每個空間？各系統是否服務於建築？——還得像執業建築師一樣去判斷設計質量。
AECBench 的解法很巧妙，基於建築實踐的兩條原則設計：
- 設計是迭代的：設計生命周期的各階段並非固定順序，一個任務可能同時涉及多個階段；
- 有些品質是恆定的：無論任務如何，每個建築都必須滿足基本要求——幾何正確、空間可達、符合簡報。
因此評測不按生命周期階段組織，而是分為兩層：核心要求（每個任務都查） + 設計維度（涉及才評）。
評分方式：確定性校驗器 + 評審大模型雙軌制
核心要求交給 Grader（確定性校驗器），直接讀取建築模型測量，分三步：
1. 讀模型：測量幾何資料——樓層數、房間面積、空間重疊等；
2. 比對要求：每條檢查都引用簡報原文的確切條款，只用簡報裡寫明的數字；
3. 記錄結果：通過/失敗，測量值與期望值並排記錄。
設計質量交給 Review LLM（評審大模型），因為設計好壞沒有標準答案，所以乾脆"用建築師的方式來評分"：
1. 執業建築師先對每個輸出做開放式評審，列出優缺點，每個設計維度打 1-5 分；
2. 評審意見被拆成獨立的點評條目，標註正面/負面；
3. 跨任務反覆出現的點評沉澱為共享評分標準，單個簡報特有的成為該任務的評分細則（Rubric）；
4. 評審大模型套用這套標準，對新輸出寫出正面、負面和 1-5 分評級，格式與建築師的評審完全一致。
為了驗證這個評審大模型靠不靠譜，團隊還做了嚴格的對照實驗：建築師的評審按任務切分，60%-70% 用於建構評審標準，剩下 30%-40% 評審大模型從未見過，只用來測量它與人類建築師的一致程度——包括問題召回率、問題精確率、評分一致性、兩兩比較一致性四個指標。部分輸出由兩名建築師獨立評審，他們之間的一致率就是評審大模型的"天花板"。
正面對決：Snaptrude vs Claude Code vs Codex
最刺激的部分來了。Snaptrude 拿自己的 Agent 與兩大程式設計智能體——Claude Code 和 Codex——在 AECBench 的建築任務上做了正面對比。
對比設定很直接：給程式設計智能體的指令是：
"把這棟建築建成一個 Three.js 場景：在這個資料夾裡寫一個 index.html，讓它在瀏覽器裡渲染出來。"
也就是說，Claude Code 和 Codex 生成的是在瀏覽器裡展示的 Three.js 3D 場景程式碼；而 Snaptrude Agent 直接在參數化建築模型環境中工作，建立原生建築構件。
結果如何？
Snaptrude Agent 在參數化構件和 BIM 深化上的精細度，遠超 Claude Code 和 Codex。
Claude Code 和 Codex 能生成相當像樣的 Three.js 場景——視覺上很有說服力。但 Snaptrude 的優勢不止是視覺細節：房間、牆體、開口始終是建築構件，而不只是場景裡的形狀。
舉幾個例子：
- 它會為每面牆配置適合其所圍合房間的構造層次；
- 加厚建築核心筒周圍的混凝土牆；
- 讓室內門向房間內開啟，避免阻擋走廊；
- 細化電梯門的做法。
Snaptrude Agent 還會維護一份變更日誌，讓設計決策全程可追溯——設計師能回看每次修改的理由，Agent 自己也能在先前決策的基礎上做針對性修改，而不丟失設計意圖。
空間規劃上的差距更明顯。 Snaptrude Agent 會推理每個空間的功能，而不只是畫幾何形狀：在決定那些空間該相鄰、那些該分離、人如何流動時，它會考慮聲學、隱私和動線。同樣的推理能力也讓它能選出更合理的房間比例、更高效地分配面積——它考慮的是每個空間如何被使用、如何與建築其他部分連接，而不是把房間當成"只要能塞進邊界就行"的形狀。
當然，官方也公允地承認：兩者存在本質差異：一個是原生建築模型，一個是程式碼生成的 3D 場景。Claude Code 和 Codex 交出的是漂亮的演示，Snaptrude Agent 交出的是建築師可以真正接手、繼續深化的工作模型。
從"會畫圖"到"懂建造"
這次發佈的意義，遠不止一個新工具。
過去兩年，AI 在建築行業的應用大多停留在效果圖和概念方案的層面——能生成驚豔的圖，但離施工落地隔著十萬八千里。Snaptrude Agent 把這條鏈路第一次完整打通了：從設計簡報到 LOD 400 施工級模型，結構、機電、圖紙一體化生成，且全程可編輯、可追溯、可匯出到行業標準軟體。
而 AECBench 的推出，則給這個長期"自說自話"的行業立下了第一把公開的量尺：AI 到底能不能幹建築師的活，從此有了系統性的評判方法。
從 CAD、BIM 到機電、景觀，AI 正在從"會畫圖"，進化到真正理解建築如何被建造。
建築行業的 Codex 時刻，或許真的來了。 (三次方AIRX)