Чертежи нейросетью: что получится и что завернут на приёмке

Запрос «чертежи нейросетью» русский поиск подсказывает шестью формулировками: в КОМПАСе, в АвтоКАДе, по фото, бесплатно, для инженера ПТО, для мебельщика. Выдача отвечает одинаково - десяток подборок «ТОП-10 сервисов» и пяток лендингов генераторов.

Ни одна из них не отвечает на вопрос, который конструктор задаёт первым. Что с этим файлом будет дальше: в цехе, на приёмке, у смежников.

Чертежи нейросетью я разбираю с этого конца. Ниже - развилка из пяти разных технологий, которые подборки перемешивают, цифры из бенчмарков 2026 года и список задач, где время экономится уже сегодня.

Чертежи нейросетью: пять разных технологий под одним названием

Подборка «ТОП-20 нейросетей для чертежей» ставит в один список Midjourney, Meshy и AutoCAD. Читатель делает вывод, что это варианты одного и того же с разной ценой. Дальше он берёт первый бесплатный, получает PNG и решает, что нейросети для инженера бесполезны.

Развилка выглядит так.

Первые три строки - то, что продают подборки. Последние две - то, чем пользуются конструкторские отделы. Разница между строками больше, чем между двумя сервисами внутри одной строки.

Когда человек ищет чертежи нейросетью, он обычно имеет в виду первую строку, а нужна ему пятая. Разбор ниже устроен по этой таблице, строка за строкой.

Почему картинка чертежа не проходит по ГОСТу?

ГОСТ 2.301-68 ЕСКД «Форматы» говорит дословно:

«Настоящий стандарт устанавливает форматы листов чертежей и других документов, выполненных в электронной и (или) бумажной форме, предусмотренных стандартами на конструкторскую документацию всех отраслей промышленности и строительства».

ГОСТ 2.301-68 ЕСКД, текст стандарта

Отговорка «это же электронный файл, ГОСТ про бумагу» не работает: стандарт назвал электронную форму прямым текстом.

Второй пункт оттуда же:

«Форматы листов определяются размерами внешней рамки (выполненной тонкой линией) оригиналов, подлинников, дубликатов, копий».

ГОСТ 2.301-68 ЕСКД, текст стандарта

У растровой картинки внешняя рамка нарисована пикселями. Померить её можно линейкой по экрану. Стандарт требует размера, а пиксели размера не имеют - при печати картинка станет той величины, до которой её растянут. Там же прописано, что электронный документ несёт обозначение формата в реквизитной части. У PNG реквизитной части нет вовсе.

Для мебельного цеха и проектного бюро это означает одно: генератор изображений закрывает задачу «показать заказчику идею», и на этом его роль заканчивается. Чертежи нейросетью в растровом виде отсекаются по формальному признаку, ещё до разговора о геометрии. Тот же механизм, по которому модель придумывает несуществующую цифру в тексте, работает и с размерами на картинке - я разбирал его отдельно в материале про галлюцинации нейросети.

Сколько брака даёт генерация модели по описанию?

Работа arXiv:2605.18430 сделана на факультете информатики Уханьского университета совместно с лабораторией пространственного проектирования. Тестировали GPT-5.2, Claude-4.5-Sonnet, Gemini-3-Flash, DeepSeek-V3.2, Qwen3-max и другие на четырёх уровнях сложности.

«Most models exhibit substantial degradation from L1 to L3. Chamfer Distance increases by 1.3-2.1x on average, while Invalidity Rate rises from approximately 15% to 70-90%».

Перевод: «Большинство моделей существенно деградируют от L1 к L3. Расстояние Чамфера в среднем растёт в 1,3-2,1 раза, а доля невалидных результатов поднимается примерно с 15 до 70-90 процентов».

Text2CAD-Bench, arXiv:2605.18430

Теперь про лучший результат. На самом простом уровне выиграл GPT-5.2 с показателем IoU 0,59 - это отношение пересечения объёмов к их объединению. Читается так: даже у победителя на примитивах тело совпадает с эталоном примерно на три пятых по объёму. Для детали под станок такое совпадение означает другую деталь.

Уровень L3 в этом тесте - топология со сложными переходами и поверхности свободной формы. То есть ровно то, из чего состоит реальная работа: корпусные детали, литьё, гнутые кронштейны, мебельные фасады с радиусом.

Модель по текстовому описанию сегодня выдаёт геометрию уровня «вал, две ступени, фаска». Чертежи нейросетью такого уровня заказчику показать можно, в цех они не уходят.

Почему «файл открылся» ничего не доказывает?

Способ обмануться выглядит так. Человек скачивает результат, файл открывается в САПР, на экране появляется тело - вывод «работает» сделан.

«Text2CAD achieves the lowest IR (as low as 2%) yet the highest CD (220) and near-zero IoU across all levels and both prompt styles, indicating that it consistently generates executable code without capturing geometric specifications».

Перевод: «Text2CAD достигает наименьшей доли невалидных результатов (вплоть до 2 процентов), но при этом наибольшего расстояния Чамфера (220) и почти нулевого IoU на всех уровнях и в обоих стилях запроса, что указывает: модель устойчиво генерирует исполняемый код, не улавливая геометрические требования».

Text2CAD-Bench, arXiv:2605.18430

На языке цеха: в лучшем случае почти все файлы открылись, и почти в каждом лежит другая деталь. Поэтому чертежи нейросетью нельзя принимать по признаку «файл скачался и открылся».

Проверять результат нужно по размерам на конкретных сечениях. Факт существования документа здесь ничего не значит.

Прогнать чертеж через модель - половина задачи. Вторая половина начинается, когда вы решаете, какую операцию конструкторского отдела вообще имеет смысл отдавать нейросети: под свои требования, свои данные и понятный результат на приёмке. Этим мы и занимаемся в ClaudeLab.

Что нейросеть правда умеет: чтение готового чертежа

У вас лежит архив: сотни PDF и сканов, часть сделана предшественником, часть пришла от заказчика. Задача «достать из них номенклатуру» решается руками за недели. Здесь нейросеть экономит время.

Компания Businessware Technologies прогнала шесть vision-моделей без дообучения по десяти реальным машиностроительным чертежам, в каждом от 17 до 58 размеров, и сверила извлечения с эталоном вручную. Ниже пять результатов из шести.

Цифры даю с оговоркой: замер опубликован компанией, которая продаёт ИИ для работы с чертежами, и результат ей выгоден. Как отраслевой стандарт брать нельзя, как порядок величин - можно.

Посчитаем, что означает 80 процентов на практике. На листе с 58 размерами это примерно 12 неверных значений. На листе с 17 размерами - примерно 3. Модель экономит вам набор. Подписывать таблицу всё равно вам.

Отдельная находка того же направления. Группа Muhammad Tayyab Khan и соавторов дообучила маленькую модель Florence-2 на 0,23 миллиарда параметров на 400 размеченных чертежах:

«The results show that Florence-2 achieves a 29.95% increase in precision, a 37.75% increase in recall, a 52.40% improvement in F1-score, and a 43.15% reduction in hallucination rate compared to the best-performing closed-source model».

Перевод: «Результаты показывают, что Florence-2 даёт прирост точности на 29,95 процента, полноты на 37,75 процента, улучшение F1 на 52,40 процента и снижение доли галлюцинаций на 43,15 процента по сравнению с лучшей закрытой моделью».

Muhammad Tayyab Khan и соавторы, arXiv:2411.03707

Два вывода для владельца бизнеса. У больших универсальных моделей на допусках измерена доля выдуманных значений - модель дописывает допуск, которого на листе нет. И задача решается настройкой под ваши чертежи. Подписка на самую дорогую модель её не закрывает. Похожая логика работает с любыми документами - разбор пачки файлов я описывал в материале про нейросеть для документов.

Где ИИ внутри САПР реально экономит время?

Подборки пересказывают этот факт неверно чаще прочих.

«...which added an AI feature that generates up to 80% of drawing views with minimal user input, according to Siemens».

Перевод: «...добавил ИИ-функцию, которая генерирует до 80 процентов видов чертежа при минимальном участии пользователя, по данным Siemens».

Michael Alba, engineering.com, «3 AI features coming to every CAD program in 2026», 6 января 2026

Восемьдесят процентов видов - по уже существующей трёхмерной модели. Модель построил конструктор. ИИ разложил проекции, разрезы и выноски на листе. В пересказе подборок эта же цифра превращается в «нейросеть создаёт 80 процентов чертежа с нуля».

Dassault, по тому же источнику, держит автоматическое построение чертежей в бете для пользователей облачной 3DEXPERIENCE. Обе функции доступны только внутри продуктов, которые российская компания сегодня купить не может.

В AutoCAD 2026 вендор описывает ИИ-функции того же класса: Smart Blocks с определением повторяющейся геометрии и превращением её в блоки, плюс Markup Assist для разбора нанесённых правок. Это помощь внутри вашего файла с вашей геометрией.

Рабочие чертежи нейросетью получаются там, где человек уже сделал основную работу. ИИ сокращает оформление, поиск повторов и перенос правок. Полную карту того, куда ИИ встраивается на предприятии, я собрал в разборе ИИ для производства.

Что из этого доступно в России?

Это тот пункт, из-за которого читатель теряет день. Он находит описание функции, идёт регистрироваться и упирается в оплату или блокировку.

Autodesk заявил о приостановке деятельности в России, продолжая соблюдать действующие санкции. По оценке отраслевых обзоров, доля компании на российском рынке доходила до 40-50 процентов, а в строительном сегменте до 90. В апреле 2024 года отключение затронуло и установленные копии - об этом писал CNews в материале с заголовком «AutoCAD в России больше не работает, отключены даже пиратские версии».

Про исследовательский генератор 3D-форм от Autodesk вендор пишет прямо:

«Project Bernini remains a research effort and is not commercially available technology».

Перевод: «Project Bernini остаётся исследовательской работой и не является коммерчески доступной технологией».

Autodesk Research, страница проекта

Добавлю наблюдение по той же странице: формат выходного файла Autodesk там не указывает вовсе. Для инженерного продукта это заметное умолчание.

Чертежи нейросетью в связке с облачной функцией западного вендора сегодня означают заложенную в процесс точку отказа. Отечественная САПР плюс языковая модель на разборе документов - конфигурация, которая от новостей про лицензии не зависит.

Меш или параметрическая модель: что выдаёт генератор 3D?

Сервисы вроде Hunyuan3D, Tripo и Meshy собирают трёхмерный объект по одной фотографии. Результат выглядит убедительно на экране.

«However, these methods generate mesh or implicit representations that lack the parametric structure and dimensional constraints required for engineering applications».

Перевод: «Но эти методы порождают меш или неявные представления, в которых отсутствует параметрическая структура и размерные ограничения, необходимые для инженерных приложений».

Text2CAD-Bench, arXiv:2605.18430

Разница в одной таблице.

Генераторы 3D поэтому годятся на одну задачу: показать заказчику объём до того, как конструктор сядет за модель. Та же роль, что у генератора картинок, только в трёх измерениях. Про сильные и слабые места такого генератора я писал в разборе генерации изображений.

Третий путь из развилки - языковая модель пишет код параметрической САПР, и код строит настоящее тело. Так устроен сервис Zoo: их агент генерирует код на языке KCL, а собственный геометрический движок его исполняет и проверяет. Направление рабочее. Замер Text2CAD-Bench этот сервис не покрывал: там генерация шла в CadQuery, поэтому цифры брака выше к Zoo напрямую не относятся.

Пять задач, где нейросеть окупается уже сейчас

1. Разбор архива. Пачка PDF и сканов превращается в таблицу: обозначение, наименование, материал, масса, количество. Модель переносит данные, конструктор сверяет. Часы вместо недель на архиве в несколько сотен листов.
2. Сверка спецификации с чертежом. Модель читает лист и таблицу, сравнивает позиции и выдаёт расхождения. Задача нудная, повторяющаяся и полностью проверяемая.
3. Перевод документации. Чертёж от иностранного поставщика, техусловия, паспорт оборудования. Здесь языковая модель справляется без оговорок.
4. Черновой эскиз для клиента. Мебельщику приходит фото из журнала или набросок на салфетке. Генератор картинок за минуту даёт визуализацию для согласования. Чертежи нейросетью появляются в этом списке только здесь, и только как черновик для разговора. Дальше за дело садится конструктор. Кстати, сам приём заявок с фотографиями и замерами можно закрыть отдельно - у нас это обработка входящих заявок в режиме круглосуточной работы.
5. Техническое описание по готовому чертежу. Модель читает лист и пишет текст для коммерческого предложения или паспорта изделия на человеческом языке.

Проверка результата в каждом из пяти пунктов занимает минуты, ошибка ловится до цеха. Как эти же задачи выглядят в мебельном производстве, я разбирал в материале про ИИ для мебельного производства, а для подрядчика на объекте - в разборе ИИ для строительной компании.

Что проверить перед тем, как отдать результат на приёмку?

1. Формат листа и внешняя рамка. Рамка должна быть объектом с размерами, не изображением. Это первое, на чём отсекается сгенерированная картинка.
2. Основная надпись. Обозначение, наименование, масштаб, литера, подписи. Пустой или выдуманный штамп - возврат без чтения.
3. Размерные цепи. Сложите размеры по каждой цепи и сверьте с габаритом. Модель переносит числа как текст, арифметику по цепи она не проверяет.
4. Спецификация против листа. Каждая позиция на чертеже присутствует в таблице, каждая строка таблицы - на чертеже.
5. Материал, масса, покрытие. Поля, в которых модель ошибается чаще всего.
6. Формат файла. В производство идёт векторный файл рабочего формата. Картинка и поверхностная сетка отсекаются на этом пункте.
7. Подпись исполнителя. Основную надпись подписывает конкретный сотрудник. Прежде чем поставить подпись, он читает лист целиком: это последняя точка, где ошибка модели ещё ловится внутри компании.

Практика, которая экономит время: возьмите один готовый лист, который уже прошёл приёмку, и прогоните через модель как тест. Расхождения на известном ответе покажут её реальную точность на ваших чертежах за полчаса.

Какой чертеж нельзя загружать в публичный чат?

Загрузка чужого листа в бесплатный чат с настройками по умолчанию - выгрузка документации заказчика наружу. Чертежи нейросетью тут ни при чём: риск создаёт сам факт передачи файла.

Три вопроса, которые стоит закрыть до первой загрузки:

• Что в договоре с заказчиком написано про передачу документации третьим лицам.
• Использует ли сервис ваши загрузки для обучения и отключается ли это в настройках.
• Есть ли в вашей компании письменное правило, какие файлы сотрудник загружать может.

Тему я разбирал подробно в материале про то, какие данные допустимо загрузить в публичную нейросеть.

С чего начать на этой неделе

Порядок действий на три вечера:

1. Выберите двадцать чертежей, по которым у вас уже есть готовая спецификация.
2. Попросите модель извлечь из них обозначения, наименования, материал и количество в таблицу.
3. Сверьте с эталоном и посчитайте долю верных строк - это ваша реальная точность.
4. Замерьте время: сколько ушло на прогон и сверку против того, сколько уходило на ручной набор.

Если разница получилась в часах, задача годится для постоянного процесса. Разовый запрос в чат и встроенная в работу отдела операция - разные вещи по трудоёмкости и по надёжности; про вторую мы и говорим, когда обсуждаем автоматизацию бизнеса с ИИ. Как считать экономию в деньгах, я показывал в разборе окупаемости ИИ для бизнеса.

Чертежи нейросетью в 2026 году - это две рабочие технологии из пяти обещанных. Зато эти две считаются в часах и проверяются за минуты.