10月24日到28日这四天，3D建模圈活在了两个世界里：一边是 Kimi K3.1 Pro 发布，“BenchCAD 92.7%”"45分钟建出3052个构件"的截图满天飞。另一边是知乎有人拿一条鲸鱼娘角色模型实测，一晚烧掉三十块积分，B站评论区里343个人给"参考图和DeepSeek建的，花了我二三十左右，99命中率，完全没眼看"按了赞。知乎哔哩哔哩
手里有台拓竹、Blender 会一点、正琢磨"要不要把建模交给AI"的创客玩家，真正关心的只有一件事：现在能不能用、要花多少钱、打出来的零件谁兜底。这篇把账摊开算。
一、两场考试，考的根本不是同一件事
这波最值得关注的，不是某一个模型又刷了分，而是同一周内出现了两套口径完全不同的AI建模评测。分数怎么读，直接决定你会不会被营销图带偏。
BenchCAD 考"理解与复现"。 从多视角渲染图出发，让AI生成CAD代码重建模型，用体素交并比（Voxel IoU）打分，用的是1000个文件的子集。K3.1 Pro 官方公布带工具 92.7%、不带工具 72.8%；GPT-6 Astra 95.9%、Claude Opus 5.5 96.2%。注意这20分的落差：不带工具时它和 Opus 的约73%基本持平，说明"纯空间理解"追平了顶级闭源，但带工具的漂亮成绩里有一大块是工具调用红利——让它写代码、操作软件，它才把正确率拉上去。而且 Voxel IoU 对薄壁、曲面细节的敏感度有限，看排名可以，当验收标准不够。知乎
BlenderWorld 考"工程交付"。 阿里 Qwen 团队 10 月 16 日发布的评测基准，专门给会操作 Blender 的AI智能体出题：223 项任务覆盖建筑、产品制造、车辆机械等 9 个领域，拆成 2651 条二元验收标准，平均每题 11.9 条。智能体必须保存可编辑的 final.blend 工程文件，评测系统重新打开工程，从 8 个视角检查对象、尺寸、层级、材质、相机和隐藏结构。13 个被测模型里，榜首 GPT-6-Astra 综合得分 79.9——听着不低，但领先模型只有 42.2% 的任务通过了全部验收条件。知乎
两个数字放一起才是完整真相：92.7 说明"能交活"，42.2% 说明"完整交对的概率还没过半"。
BlenderWorld 里几个失败案例，对打印党格外有参考性：
沙发题：要求木腿本体高 150mm，智能体检查的是"木腿+脚轮"总高，测到 150mm 就判通过，最终工程里木腿实际只有 102mm，短了 32%。它不是没检查，是检查错了对象。知乎
NEMA 17 行星减速箱（3D打印子集 bw_0119）：太阳轮12齿、三个行星轮各24齿、内齿圈60齿、模数1、齿侧间隙0.2毫米，四个零件要能独立打印、标出打印方向和超过45度的悬垂面，评分会核对行星轮能否同时啮合、608轴承尺寸和压装关系。
bw_0145：同时导出 STL 和 3MF，弦高公差不高于 0.01mm，按 0.2mm 层高检查壁厚，查开放边界、非流形、自相交和 0.2mm 装配间隙。
"能不能打印"第一次成了公开验收项。另一个反直觉的统计是：DeepSeek-V4.1-Flash 平均每题调用工具约 168 次、输出约 20.9 万 Token；GPT-5.6-Sol 平均约 44 次、4 万 Token，得分反而更高（67.7 对 65.7）。干得多不等于改得对——关键是有没有找到出错的对象，并把改对的结果存进最终工程。知乎
二、成本账：首稿便宜，改稿才是烧钱大户
价格面，K3.1 Pro 刊例是输入 13 元/百万 tokens（命中缓存 1.3 元）、输出 68 元/百万 tokens，比自家上一代 K3 降了 35% 和 32%，按美元刊例只有 GPT-6 Astra 的约 20%、Claude Opus 5.5 的一半；Highspeed 版本快 2—3 倍、价格翻倍；完整权重承诺 11 月 4 日前开源。纸面上，这是"能力贴脸第一梯队、价格打到骨折"的组合。知乎微博
但社区实测给出的成本曲线完全是另一个形状：
知乎"安静地吹牛"的肥鱼角色实测：让豆包出三视图防"自家按图索骥"，AI 直连 Blender 建模，初版"头发裙子分得开、比别的国模强"，但进入改稿环节后充了60元、1000多分一个晚上差不多烧掉30块，最后"为节约经费点到为止"。他的结论很实在：第一次生成其实费用不高，多次修改才是吞金大户；当前性价比方案是用 Tripo3D 这类插件托住首稿下限，再让大模型只做微调外形和绑骨。知乎
B站AI建模横评视频的评论区，高亮着"二三十块、99命中率、完全没眼看"的翻车现场，也有"这个甜甜圈烧八毛钱"的成功案例；另一条50赞评论点出阵营分歧：Astra 贵有贵的道理，国模干点杂活还行，省下的那 token 钱还得靠人工反复修改填回去。哔哩哔哩
知乎该问题下23万播放的高赞回答提到根因：AI 做 3D 最大的问题是缺少合适的验收标准，生成模型可能 UV 理解错误、网格密集区域偏差大，不适合人脸级复原。知乎
发布当天还有用户反馈上下文额度"十分钟烧光"。3万亿参数的推理成本摆在那里——"便宜"是相对海外旗舰的便宜，绝对消耗对小任务根本不便宜。知乎
三、哪些环节可以现在就交给AI，哪些必须自己攥着
适合交出去的：参数化分件和"体力活"。 知乎"Blender 5.2 从零到一"系列的户型图实战是现成样本：一张 142 平的真实户型图，先定坐标约定、把标注读成闭合尺寸链（上下两条链都加出 11100、左右都加出 11600 才敢开工），然后让接了 MCP 的 AI 按数据清单建墙——两层循环转完，18 面墙落成 67 个盒子，挪门洞改两个数、加窗往列表里添一组，“改数据比改模型快得多”；最后全屋近 190 件家具全用盒子和圆柱拼出来。这类"有明确规格、重复劳动密集"的活，AI 现在干得又像样又快。涡扇发动机在 FreeCAD 里建完能模拟运转、福建土楼台灯拆成 5 个可分别打印的部件，都是同一逻辑。Kimi 3D Make 已经上了网页和 App，模板覆盖工业设计、日常用品、建筑，可直接下载 3D 打印文件——"描述—模型—实物"第一次能完整走通。知乎知乎
必须自己攥着的：验收和制造终判。 上面那个系列里最有价值的动作，不是"一键生成 3D 房"，而是让 AI 拿俯视图对着图纸自查：第一版它就是在左上角一块室外凹口里虚构了一面不存在的墙，靠"建出来的三维结果和图纸二次比对"才暴露，返工时厨房西墙整体东移 0.41 米、入户门重新开在餐厅西墙上——而作者仍然强调，入户门位置"务必自己对着图确认"。BlenderWorld 的沙发题已经证明了让AI自己当质检员的风险：检查对象搞错，过程再完整也是错的。知乎
再往打印端走一步，几何正确也只是及格线：同样是 0.2mm 配合间隙，PLA、PETG、尼龙或光敏树脂的装配结果可能完全不同；3D Print Toolbox 能查出非流形、薄壁、悬垂，但回答不了细长柱在 FDM 上会不会晃、支撑拆掉会不会毁表面。Colorado School of Mines 的论文用 96 次实物打印专门区分了"几何上能否打印"和"成品能否完成任务"——这两关之间，目前没有任何大模型能替你合拢。知乎
至于自由曲面和有机艺术造型，各模型社区口碑一致：不是它不行，是现在谁都行不了，"美学地狱"是原话。
四、按人给动作，不给鸡汤
手里有打印机、Blender 开过光的：今天就可以接 MCP 试水（Blender 5.2 配对话建模插件，本地端口监听，让 AI 直接建）。但只把手交给"参数化分件"这一档：收纳件、支架、齿轮原型、爆炸图。预算策略照抄肥鱼实测的教训：首稿用便宜模型或插件生成，修改轮数设上限、两轮封顶，三十块止损。验收过 Qwen 那四问：尺寸链闭合吗、俯视对图对得上吗、水密流形吗、0.2mm 层高下壁厚够吗。知乎
只想打个小摆件、完全没基础的：先别碰 68 元/百万 tokens 的模型。3D Make 模板库、社区里那批"上传图就出 STL"的在线工具站够用；更可以等 11 月 4 日权重开源落地——按 Artificial Analysis 的测算，K3.1 Pro 将取代 DeepSeek 成为得分最高的开放权重模型，开源与顶级闭源的差距从 12 分缩到 3 分，届时自部署和降价潮大概率一起到。这一轮，普通用户真没必要付首发价。知乎
深度玩家、每天和布线死磕的：把 BlenderWorld 榜单收进收藏夹。这是第一次"工程验收"有了统一公开基准，之后半年的工具选型，看这 2651 条二元标准比看任何演示视频都准。观察信号三个：11 月 4 日开源是否兑现、Highspeed 的倍速倍价比能否被实测接受、3D 打印子集会不会扩充。
喧嚣了四天，真正的信息增量其实就一句话："带工具分数"说明AI能交活，"全部通过率"说明离交对活还差一半。 工作流的位置确实变了——人定义、AI出活、人兜底。但最后那四个字，AI 的分数再高，也外包不出去。
