BenchCAD
工业级 CAD 参数化编程基准：17,900 个执行验证的 CadQuery 程序、106 个工业零件族，含视觉问答/代码问答/图生代码/指令引导编辑四类任务
基本信息
30 秒看懂
OpenAI GPT-5.6 页公布 BenchCAD 三档为 70.6/62.3/63.1、前代 GPT-5.5 为 44.4；论文结论是当前模型多能恢复粗外轮廓，但难以生成忠实的参数化 CAD 程序，因此高分不等于完整工程语义还原。
采用格局：2026-05 提交 arXiv（Haozhe Zhang 等）；证据账本中 OpenAI GPT-5.6 页 14 行引用（含第三方对照列）
评分协议
视觉问答 / 代码问答 / 图像到代码生成 / 指令引导代码编辑四类任务分别评分；OpenAI 页另印 python-tool 变体行
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布（收录 14 项分值） · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-08-26
OpenAI·国际
本发布含 3 个变体，各变体规格见模型详情。
发布文将 Sol 定位为 GPT-5.6 的旗舰档（medium/high/xhigh/max/ultra 五档努力级别）。36 项评测横跨智能体、编码、长上下文、科研医疗金融与安全，亮点为 BrowseComp 90.4% 与 Terminal-Bench 2.1 88.8%。
旗舰多档努力智能体安全防护
查看模型变体与证据
GPT-5.6 Sol · BenchCAD 70.6%GPT-5.6 Terra · BenchCAD 62.3%GPT-5.6 Luna · BenchCAD 63.1%gpt-5-5 · BenchCAD 44.4%claude-mythos-5 · BenchCAD 38.4%claude-mythos-preview · BenchCAD 35.5%claude-opus-4-8 · BenchCAD 27.3%GPT-5.6 Sol · python tool 83.4%GPT-5.6 Terra · python tool 78.2%GPT-5.6 Luna · python tool 73.9%gpt-5-5 · python tool 55.8%claude-mythos-5 · python tool 65%claude-mythos-preview · python tool 61%claude-opus-4-8 · python tool 51.8%
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。