最近两个月，两件事引起了我们的注意：一是 GPT-6 Astra 的发布，让我们看到了模型在 3D 建模上的更多可能；二是各家办公 Agent 的广告密集出现在写字楼里。从模型能力到产品推广，一个信号越来越清晰：Coding 之后，模型厂商正把竞争推向另一片战场——Computer Use。
这也让我们产生了一个好奇：当 Agent 从写代码走向操作电脑、完成具体工作，国内办公 Agent 与 Codex、Claude Code 这些产品相比，究竟还有多大差距？差距又体现在哪里？
带着这些问题，我们推出了一系列 Work Agent 评测。每一期聚焦一个细分领域，把同样的任务交给不同 Agent，从实际交付中观察它们各自的长处与短板。第一期，我们选择了 CAD。
为此，我们准备了 23 道兼具趣味性与真实工作需求的题目，评测对象包括 Codex、豆包工作、千问办公和 WorkBuddy。我们关注的不只是能否画出一张像样的图，更是结构是否准确、视图能否对应，以及交付之后，设计者能否接着修改和使用。
我们测了什么
测试覆盖了零件绘图与尺寸公差、设备装配与检修、庭院无台阶通路，以及参照图片还原复杂机械结构。我们既看 Agent 能否把文字和图片变成 CAD 图纸，也检查零件能否正确配合、拆卸路径是否通畅，以及不同视图和交付文件能否对应。
下面先看总体成绩和能力差异，再依次回到蓝图还原、升降机构、空间理解与拆装三道题，核对分差具体来自哪里。
成绩与能力差异：谁领先，优势在哪里？
综合我们的评估结果来看，Codex 以 94.8 分明显领先，豆包工作为 66.9 分，WorkBuddy 为 50.3 分，千问办公为 27.0 分。拉开差距的主要是零件能否正确配合、机构能否按要求运动、部件能否顺利拆装。此外，图纸中的视图和尺寸标注，也要与 CAD 中的零件结构保持一致。这些 CAD 产物要为后续加工、装配与检修提供依据，设计或表达有误，就可能造成零件装不上、机构动不了或部件拆不出，带来实物阶段的返工。在可编辑性上，几家的差距相对较小。
五个维度分别表现怎样？
Codex 的优势在于，结构准确、功能合理和图纸一致能够同时做到。它在几何与尺寸、功能与空间关系、图纸表达与一致性三个维度上均明显领先。对接手者来说，这意味着更少需要重新判断“图上描述的设计，在模型里到底成不成立”。它的相对弱项是可编辑性与接手成本，Codex 的结果虽然更准确，后续改起来却没有同样明显的优势。
豆包工作在其余三家中表现最接近 Codex，较能完整落实任务要求，也保留了继续修改的基础。它的可编辑性得分与 Codex 接近，主要差距落在几何准确性、功能与空间关系，以及图纸和模型的一致性。这说明它已经能完成较多交付内容，但仍需要人工确认这些内容是否准确、彼此是否吻合；“交得比较全”还不能直接等同于“设计已经成立”。
WorkBuddy 的相对长处是部件便于单独修改，部分任务中的主要空间关系也能成立；但需求落实、局部几何和图纸表达拖低了整体表现。与豆包工作相比，它在功能与空间关系、可编辑性上的差距较小，在完成度和图纸表达上的差距更明显。接手者得到了一定的修改基础，却仍要补齐结构、核对表达，才能把产物整理成更完整的交付。
千问办公在已评分产物中的图纸表达和可编辑性相对较好，主要短板是关键要求未落实、几何结构与功能关系不足。它的落后首先关系到设计内容是否成立，单靠调整版面难以解决。交付文件能否正常打开也影响了最终成绩。
综合分相差多少？
综合分的差距，并不意味着每一种能力都相差同样多。Codex 与豆包工作的可编辑性表现接近，但前者在结构、功能和表达一致性上拉开了距离。豆包工作与 WorkBuddy 的区别，则更多体现在需求完成度、几何准确性和图纸表达。对使用者而言，可编辑性决定接手后修改是否方便，结构与功能是否正确则决定需要修改多少、是否要重新设计；这两类能力应分开判断。
差距落在哪道题？
这些能力差异会怎样影响实际交付？下面依次看三道代表题：先用方舟反应炉看蓝图还原与多视图一致性，再看工作站的升降机构，最后看集尘柜的过滤与拆装路径。具体产物能说明成绩差异落在何处。
从蓝图到 CAD：还原钢铁侠的方舟反应炉
这道题要求根据参考蓝图重构二维 CAD，提供轴测、俯视、正视和爆炸图，保留可见特征并按指定图层与线宽表达。原图没有可靠的绝对尺寸基准，因此比较重点是轮廓、分件和视图对应，不因 Agent 自选直径不同而判错。
换一个视角，应该仍能认出同一个零件
四份产物都画出了要求的视图，区别在于保留了多少具体形状。Codex 的压板孔、绕线纹理和底部支架比较完整；豆包也保留了部分顶部细节，但许多整圈线条直接穿过主体，让人难以分清哪些在前、哪些在后。千问省略了更多细节，WorkBuddy 则更像由几层圆柱叠成的示意图。
从正面看，差异更容易辨认：参考图的上部支架向外倾斜，底部支架向内收窄。Codex 既画出了上部支架向外倾斜的形状，也保留了底部支架向内收窄的轮廓；豆包和千问也画出了一些斜边。WorkBuddy 的上部主要是直立矩形，下部也是矩形层叠，没有同样表现出外倾和收窄。俯视图中“围着圆心分布多少度”的标注，不能替代“支架向外倾斜多少”的形状。
爆炸图：拆开的零件，能否在总装图中找到对应？
爆炸图把装在一起的零件拉开，方便读者看清每个零件的形状及装配关系。判断它是否画好，不能只看分成了多少层，还要看：拆出来的每个零件，能否在总装图中找到对应的位置和形状。
双导柱俯拍工作站：尺寸标对了，升降结构就成立了吗？
蓝图还原考察多个视图能否指向同一套结构；到了工作站，还要进一步检查零件装配后是否真的能按要求运动。
这道题要做一台能升降的桌面俯拍架：两根竖直导柱负责导向，手动丝杆带动相机上下移动。镜头要能停在距底座 150 mm 和 350 mm 的位置，并始终朝下对准商品区。滑块必须有让导柱穿过的真实孔口，相机右侧还要留出抽出电池的空间。交付物包括三维 CAD、两页 A3 图纸和测量说明。
这道题主要考察 Agent 对机械装配与运动关系的理解：能否让滑块正常移动、相机按要求升降，并为日常使用和维护留出必要空间。
本题加权分： Codex 100.0，豆包工作 89.0，千问办公 38.0，WorkBuddy 70.0。下图用于对照高低位和相机安装的表达；孔结构是否成立，需要进一步回到原生模型核验。
高度标对了，还要有能让滑块上下移动的孔
Codex 与豆包工作都做出了高、低两个位置。直接检查 CAD 模型，可以确认移动件相差 200 mm。Codex 的导向孔是真正的圆形贯通孔；豆包用多边形近似圆孔和圆柱，两者之间的实际空隙略小于题目规定的 0.2 mm，因此专家给豆包的几何准确性打了 4/5。区别在于：图上写了正确尺寸，零件边缘之间也要留出足够间隙。
千问办公的镜头高度和两根导柱的距离都正确，但模型中的滑块没有开出实际孔口。检查原始 DXF 文件后发现，滑块只有六个外表面，两根导柱直接穿进了这个未开孔的方块，也没有独立的导向套。因此，图上“孔径 20.4”的文字不能证明滑块真的能沿导柱移动。
能表达升降关系，也可能把孔结构做漏
WorkBuddy 确实做出了高、低位置，主要升降关系正确，零件也能单独选中修改，这两项均获得专家 5/5。不过，滑台和上支承的孔结构没有完整做出来：孔口附近的面没有完全连接，孔壁也不完整，因此完成度和几何准确性各为 3/5。它保留了“部件怎样升降”的关系，仍需要补好局部几何。
本题里，Codex 的结构、状态和图纸对应更完整；豆包已完成主要装配，但精细配合和后续修改仍有成本；WorkBuddy 保留主要空间关系，孔结构存在缺口；千问的关键导向结构未落实。对读者而言，最值得核对的是标注里的尺寸是否真正对应模型里的结构。
移动式集尘柜：画出拆卸箭头，滤芯就能取出来吗？
这道题要设计一台 700×500×900 mm 的移动式集尘柜。带尘空气进入柜体后，应经过滤芯再进入净气腔；灰盒收集落下的灰尘。模型还要交代怎样更换滤芯：移开挡路的灰盒，解除固定连接，让滤芯先向下脱离安装环，再向前取出。题目不要求计算风量，但要求零件之间的位置支持这套操作。
这道题主要考察 Agent 对内部空间与拆装关系的理解：能否让气流按要求经过滤芯，并让滤芯、灰盒等部件顺利拆装，避免相互遮挡或干涉。
本题加权分： Codex 100.0，豆包工作 53.0，千问办公 0.0，WorkBuddy 52.0。豆包与 WorkBuddy 仅差 1 分，两份产物各有核心功能缺陷，应结合缺陷类型判断接手成本。
滤芯底部没封住，空气就可能绕过过滤材料
豆包的图纸把滤芯底部画成了封闭状态，但直接检查原始 DWG 模型，底部实际是敞开的。这样一来，带尘空气可能从底部直接进入滤芯内部，没有经过过滤材料。这个问题同时影响零件形状、过滤功能和图纸与模型的一致性。
Codex 用剖视图展示了柜体内部，将带尘空气、滤芯和净气腔的位置分开画清楚，连接细节中也能看到安装环和紧固件。专家结合原始模型，认为这些结构满足本题的过滤与维护要求。这里的满分表示满足本题要求，不代表已经通过实物制造验证。
拆卸图画到了柜外，还要确认中间不会撞上别的零件
WorkBuddy 将灰盒画在部分抽出的检修位置。但按这个位置向下移动滤芯 100 mm，滤芯就会撞上灰盒后壁；固定滤芯的连接件也需要先处理。这个结论来自 CAD 模型中零件重叠的检查。若把灰盒继续移走，这一处障碍可以消除，所以问题是提交的拆卸状态还不完整，而不是柜体永远无法拆卸。
豆包已将灰盒完全移出，但它保存的滤芯拆卸终点仍有 50 mm 留在柜内；安装环的孔和紧固杆还存在相互重叠的问题。Codex 则分别保留了拆下后的滤芯、灰盒、检修板和紧固件，滤芯与灰盒都已完全移出柜体。读者可以在模型中找到这些零件的拆卸前后位置。
千问办公的零分，首先卡在文件打不开
千问办公的 PDF 画出了拆卸步骤，但交付的主 DXF 文件在本次 AutoCAD 2027 验收环境中导入失败。该题规定，主 CAD 无法打开时总分记为 0。这里的问题是这份文件没有打开成功，不是 DXF 格式不被允许。其余四个维度没有单独评分，不能把它们理解为四项都得了零分。
集尘柜把要求推向了动作之间的依赖：先解除连接、先腾出空间，后续移动才有可能成立。判断这类任务，需要让图纸、说明和保存的模型状态指向同一条可执行路径。
从具体产物中，我们看到了什么
这些案例给出了同一条线索：Codex 更常把图上的说明落实到实际结构中。工作站有真实导向孔，集尘柜能找到拆下后的零件位置，反应炉的细节也更容易在不同视图之间对应。这些具体表现支撑了它在已复核产物中的领先。
其他产品的表现需要分题看。豆包的工作站已经完成了主要装配，集尘柜却留下滤芯底部敞开的问题。WorkBuddy 的工作站保留了主要升降关系，集尘柜保存的拆卸位置却会挡住滤芯。千问的工作站缺少关键导向孔，集尘柜又未通过文件打开验收。读者据此能知道每份产物还要改什么，而不只看到一个总分。
因此，使用这类 CAD Agent 时，最值得追问的是：图上说能移动的零件，模型里是否真有空间；图上写了尺寸的地方，是否真有对应的孔和表面；改动模型后，图纸能否继续保持一致。代表案例的价值，是让这些差异能被具体看见和核对。
本稿比较最终交付的产物，其中 Codex 的测试包含人工反馈，不能据此判断独立一次完成能力。结论也不包含未开展的全路径运动仿真、强度或完整气密测试。截图显示与原始模型不一致的地方，已在图片旁说明。
附：评分怎么读、怎么算
以下说明供需要核对分数的读者查看。正文所用分数取自逐题复核记录，不采用早期示意图中的推演数值。
五个维度分别看什么
需求完成度：题目要求的部件、状态和交付内容是否落实。例如，工作站是否同时交付高位、低位及要求的图纸。
几何与尺寸准确性：孔、表面和尺寸是否真的做对。例如，滑块的导向孔是否贯通，孔与导柱之间是否有足够间隙。
功能与空间关系：零件放在一起能否按要求工作。例如，滤芯能否下移并抽出，途中是否被灰盒挡住。
图纸表达与一致性：读者能否看清图纸，不同视图及图纸与模型是否对应。例如，图纸画成封闭的滤芯底部，在模型中是否也封闭。
可编辑性与接手成本：接手者能否继续修改，以及需要整理多少内容。例如，零件能否单独选中，尺寸标注是否便于维护。