新一代AGI模型实测：从CAD生成到复杂PPT，能力边界究竟在哪

过去一段时间，不少开发者都有一个共同体感：日常使用的对话式AI助手似乎“变笨”了，响应变慢、回答变浅。这种体感背后往往对应着一个现实——新模型正在灰度或准备上线，算力资源向新版本倾斜。当新一代AGI模型正式亮相，官方给出的定位相当激进，评测分数在多个基准上大幅领先，尤其在CAD Agent类任务中，不仅完成精度更高，单位任务成本也明显下降。

但评测分数和真实生产环境之间，永远隔着一道鸿沟。本文不讨论跑分，而是挑几个大模型此前长期没有解决好的“硬骨头”任务，做一次尽量贴近工程实践的实测，看看能力跃迁到底发生在哪里，又卡在了哪里。

一、测试环境与成本前提

1.1 为什么必须用本地客户端

网页端对话模式的能力边界很明显：无法操作本地文件系统、无法调用本地安装的专业软件、无法执行需要多步审批的系统级操作。对于CAD转换、文件格式导出、本地脚本执行这类任务，必须使用桌面客户端，且通常只在特定的“工作模式”下才会放开这些能力。

这里有一个容易被忽略的工程细节：网页端的工作模式与桌面客户端，底层走的都是API调用，也就是说，能力上限一致，但计费口径也一致。这意味着桌面端不是“免费增强版”，而是把API能力封装进了可操作本地环境的壳里。

1.2 成本结构的变化

新一代模型的定价相比上一代有显著上浮，实测中观察到单位token成本约为上一代的2.5倍。这个变化直接反映在订阅制用户的体感上：原本可以支撑数小时高频使用的额度，在复杂任务下可能几个问题就消耗殆尽。

这引出一个关键的工程判断：AGI能力越强，单次任务的token消耗往往越高，因为模型会自主规划多步操作、读写文件、反复校验。能力提升与成本上升是同一枚硬币的两面。因此在生产环境中，必须把“任务粒度”和“额度预算”作为一等公民来设计。

二、CAD图纸处理：从“告诉你怎么画”到“替你画出来”

2.1 任务描述

传统上，让大模型处理CAD图纸是一个典型的“最后一公里”问题：模型能理解图纸结构、能给出绘图步骤、能解释图层关系，但无法真正产出可用的CAD文件。此前的通用做法是人工根据模型输出的步骤，在专业绘图软件里手动操作。

本次实测的任务链是：读取一份复杂CAD图纸 → 理解结构 → 转换为PDF输出。

2.2 执行过程与审批机制

实际执行中，模型并非一次性完成，而是自主规划出一条多步执行路径：

1. 解析源文件格式与图层结构；
2. 调用本地Python脚本与CAD相关工具库进行格式转换；
3. 生成中间文件并校验；
4. 导出为目标格式。

值得强调的是人工审批环节。凡是涉及操作本地电脑、下载或调用外部软件、写入文件系统的步骤，都会弹出确认请求。这不是能力缺陷，而是当前Agent类系统的必要安全设计——自主执行链条越长，越需要人类在关键节点做“闸门”。

确认后，PDF文件成功生成。对比此前的输出形态，差异不在于“画得好不好看”，而在于问题域被真正打通了：以前模型输出的是“操作指南”，现在输出的是“可交付产物”。这解决的是某个垂直领域长期存在的堵点——格式转换与工具链调用。

2.3 工程启示

• 工具调用比语言生成更关键：CAD类任务的瓶颈不在理解，而在执行。模型需要能稳定调用脚本与专业工具。
• 审批点设计要有层次：读操作可放开，写操作与外部依赖操作必须设闸。
• 失败可回滚：多步任务应设计中间产物校验，避免一步错、全链废。

三、动态数字孪生页面生成

3.1 任务复杂度定位

生成一个静态展示页面，对当前模型来说早已是基础能力。本次测试的目标是复杂联动页面：多个数据面板相互关联，中间的地图区域需要实时刷新，反映动态变化的场景状态。

3.2 实测表现

页面表面上并不花哨，但内部逻辑是动态联动的：一处数据变化会触发关联视图更新，地图层需要按时间片刷新。模型完成的核心工作包括：

• 拆分页面为若干功能区块；
• 为每个区块定义数据契约；
• 生成前端渲染逻辑与定时刷新机制；
• 处理区块间的状态同步。

这类任务真正考验的是结构化规划能力：模型需要先在心里“画出架构图”，再逐块落地。实测中，模型能够自主完成这一规划，但在数据契约的严谨性上仍需人工复核，尤其是刷新频率、并发更新时的状态一致性等细节。

3.3 适用边界

动态页面生成适合作为“原型加速器”，而不是“生产直出”。建议的落地方式是：模型产出可运行原型 → 开发者接管数据层与异常处理 → 接入真实数据源。这样既利用了模型的规划能力，又规避了它在边界条件上的不确定性。

四、复杂PPT生成：能力与成本的真实碰撞

4.1 两类PPT的不同诉求

PPT大致分两类，诉求截然不同：

• 演讲型PPT：信息密度低、视觉为主，观众注意力在人不在屏；
• 阅读型PPT（如行研报告）：无人讲解，信息密度高、文字多、排版要求精细。

本次测试选择的是后者——一份行研报告级别的复杂PPT，这是对排版和内容组织要求最高的场景。

4.2 实测结果

执行过程出现了两个值得记录的现象：

第一，耗时显著。等待超过十分钟仍未产出完整PPT，说明模型在长文档组织与逐页排版上进行了大量推理与迭代。

第二，额度消耗剧烈。一次复杂PPT任务直接把数小时的使用额度耗尽。这与前文的成本判断一致：复杂排版任务的token消耗远高于普通问答。

产出结果方面，客观评价是“合格但不出彩”。由于未指定风格，模型采用了中性无风格的排版，这反而带来一个好处：后续可维护性强。可以再提供一套模板让模型套用，或用办公软件做一键美化，调整成本较低。

但如果目标是高度定制化的密集文字排版（类似咨询报告那种精细版式），模型确实能做，代价是时间与额度成倍上升。

4.3 成本控制建议

针对此类高消耗任务，建议采用如下策略：

1. 任务拆分：先让模型输出大纲与每页要点（低成本），人工确认后再逐页生成
2. 模板先行：先提供版式模板，减少模型在排版决策上的推理开销
3. 分批生成：将长报告切分为若干章节，分次调用，避免单次超长上下文
4. 预算护栏：为高消耗任务设置额度阈值与中断策略，防止额度被单任务吃穿

五、综合评估：AGI的“能”与“不能”

把三个任务放在一起看，可以得到一个相对清晰的判断框架。

能力跃迁确实发生的地方：

• 跨工具链的执行能力：从生成建议到调用工具产出文件；
• 多步任务的自主规划：能拆解复杂目标并逐段推进；
• 结构化产出：页面、文档、格式转换等有明确中间态的产物。

仍然受限的地方：

• 成本与时长：复杂任务的开销呈非线性上升；
• 精细排版与版式审美：能做，但效率不占优；
• 边界条件处理：动态联动、并发一致性等仍需人工兜底；
• 安全闸门：涉及本地操作必须人工审批，这是设计约束而非缺陷。

一个务实的结论是：当前阶段的AGI更适合作为“任务执行器”而非“任务终结者”。它能把过去需要人工串联的多步流程压缩成一次调用，但每一步的可靠性、成本与合规性，仍需要工程侧设计护栏。

六、给开发者的落地清单

1. 按任务粒度做预算：把额度视为稀缺资源，高消耗任务必须拆分。
2. 把审批点当作架构组件：读放行、写设闸、外部依赖必确认。
3. 优先选择有中间产物的任务：可校验、可回滚、可增量推进。
4. 模板化降低推理开销：凡是能通过模板约束的，就不要让模型自由发挥。
5. 人工兜底不可省：数据一致性、版式细节、异常分支，仍需人来收口。

新一代模型的能力上限确实抬高了不少，但在生产环境里，决定成败的往往不是上限，而是下限是否可控、成本是否可预期。把这两点想清楚，AGI才真正从“演示”走进“产线”。