GPT-6 Astra и будущее BIM-моделирования

Искусственный интеллект сделал значительный скачок вперёд в области работы с 3D-геометрией. Новейшая модель OpenAI, GPT-6 Astra, способна преобразовывать чертежи, фотографии и инструкции в 3D-модели. Для отрасли AEC главный вопрос заключается в том, как эта возможность впишется в процесс проектирования, в котором практически всё подвержено изменениям.

Есть что-то обескураживающее в том, чтобы наблюдать, как программное обеспечение пытается выполнять работу, которой профессионалы занимались десятилетиями. Достаточно предоставить новой модели GPT-6 Astra от OpenAI исходные данные о здании, подключить её к программе 3D-моделирования и дать ей возможность работать — и на экране появляется геометрия, которая порой выглядит более проработанной, чем есть на самом деле. Модели, которые раньше создавались объект за объектом, теперь можно пытаться построить с помощью диалога или загруженных чертежей.

Эксперименты архитекторов с ChatGPT Astra заслуживают внимания. Универсальный ИИ может интерпретировать исходные данные, планировать операции моделирования, писать код, проверять результат и вносить исправления. Тесты в Blender, Rhino и Revit варьируются от впечатляющих реконструкций до моделей, от которых у менеджера по BIM закружится голова.

Сектор архитектуры, инженерии и строительства (AEC) десятилетиями инвестировал в цифровые модели зданий, а квалифицированные специалисты воплощали проектные решения в объекты, параметры и взаимосвязи. Автоматизация большей части этой работы меняет экономику создания BIM-моделей и, возможно, способ использования программного обеспечения для проектирования.

Однако между созданием впечатляющей первоначальной модели и разработкой подробной и точной модели здания лежит значительный разрыв. Это различие становится очевидным, когда кто-то просит внести изменения в эту модель. Дьявол кроется в деталях: дело не только в визуальной точности модели, но и в том, как именно было смоделировано здание. На данный момент модель может воспроизводить внешний вид здания, не давая реального представления о том, как оно «работает». Такие демонстрации показывают полезные возможности, но пока не позволяют сделать достоверных выводов о транспортных потоках, просветах или конструкции.

Astra на испытании

Оливер Томас, бывший менеджер по проектным технологиям в BIG, воссоздал проект «Kaktus Towers» от BIG в Blender, Rhino и Revit на основе эталонных изображений. Тим Фу из Studio Tim Fu — пионерской архитектурной практики, занимающейся искусственным интеллектом, — говорит, что его исследовательская команда начала эксперименты в ту же неделю, когда появилась Astra, а его дочерняя компания STF Intelligence разрабатывает агенты для Rhino, AutoCAD и Revit, хотя в материалах, рассматриваемых в данной статье, их результаты пока не представлены.

Фреди Фортич, технический архитектор в MVRDV, ведет курс MCP по Rhino и Revit, а Марин Луймес из LEVS architecten и Даору Ван из Университета Массачусетса в Амхерсте опубликовали тесты для Grasshopper и Rhino.

Сообщается, что Тимофей Лютомский из компании «DK Razum» предоставил Astra эскиз длиной в три минуты для дома с тремя функциональными зонами. Большая часть результатов таких ранних тестов публикуется отдельными пользователями и небольшими командами в LinkedIn и X.

Эксперименты с Astra

Николя Кателье из компании «BIM Pure» попросил Astra создать планировку квартиры с нуля в Revit с помощью MCP, используя в качестве эталона реальный проект архитектурного бюро Quinzhee Architects. В первой попытке ИИ разместил холодильник на пути движения. Вторая планировка была улучшена за счёт повышения уровня сложности задачи для модели и предоставления дополнительных инструкций, но Кателье всё же счёл её хуже схемы, созданной человеком. Его тест показывает, насколько легко агент может генерировать геометрию, при этом упуская довольно базовые проблемы планирования.

Astra работает через программное соединение, как правило, через сервер MCP, записывая код или вызывая инструменты внутри приложения для моделирования. Эти инструменты определяют, будет ли она создавать строительные элементы, общие твёрдые тела или сетки, а также, какую часть полученной модели она сможет проверять и изменять. Предоставьте агенту доступ к встроенным стенам, дверям и уровням, и у него появится другой набор возможностей по сравнению с интеграцией, построенной на основе произвольной геометрии.

Процедурное моделирование — далеко не новинка в сфере архитектуры, инженерии и строительства (AEC). Проектные бюро уже много лет используют скрипты, Rhino Grasshopper и Dynamo для генерации геометрии и автоматизации повторяющихся задач. Часто проблемой становился доступ к специалисту, способному создавать и поддерживать такие скрипты. Архитектор, понимающий суть задачи, может не уметь программировать, а у специалиста по вычислительному проектированию — целая очередь заказов. ИИ, способный писать и запускать код для моделирования, мог бы сделать автоматизацию целесообразной даже для небольших задач.

Эксперимент BIM Pure с кабиной выявил другое ограничение. Astra реконструировала узнаваемое здание по фотографиям и добавила мебель и окружающие объекты. Сложность заключалась в том, что она использовала геометрию DirectShape, в результате чего модель практически не поддавалась обычному редактированию, как это ожидается от строительной модели Revit.

По данным российского разработчика плагинов для Revit, компании «BIM Koordinator», с помощью сервера Revit MCP с полным доступом на запись Astra создала 327 нативных стен, 162 двери и 98 окон в 16-квартирном жилом доме. Это был автономный запуск на основе одного снимка экрана, о чём сообщил разработчик, продающий данный плагин, без независимой проверки.

Реконструкция здания Leadenhall Building, выполненная компанией Ideatura на основе чертежей, демонстрирует, почему программное обеспечение, подключенное к Astra, имеет такое большое значение. В то время как кабина, созданная в BIM Pure, была импортирована в Revit в виде геометрии DirectShape, Ideatura создала элементы, классифицированные в формате IFC, благодаря чему конструктивный элемент можно было идентифицировать как колонну, а не просто отобразить в виде твёрдого тела.

Реконструкция даёт ИИ значительное преимущество. Опубликованные чертежи и фотографии отражают чужие архитектурные решения, даже если в демонстрации вся эта работа сведена к одному снимку экрана.

Эксперимент Кателье по переводу эскиза в детали ближе к повседневной практике. Он совместил черновой эскиз с офисными процедурами и существующими деталями. Перед началом черчения Astra задавала вопросы, а затем создавала результат, требующий корректировок в отношении каркаса, обрешетки и выбора компонентов. Для проверки этого результата требовался специалист, знающий, как должна быть построена данная деталь.

Начало работы без чертежей

Новое техническое задание от заказчика редко содержит столь удобные исходные данные, на основе которых ИИ мог бы создать модель. Есть участок, план размещения помещений и заказчик, чьи амбиции могут не совпадать ни с тем, ни с другим. Выяснить, что именно нужно построить, — это задача архитектора. Чтобы воспользоваться функцией автоматического моделирования с помощью ИИ, архитектору необходимо предоставить эскизы и описания.

В примере архитектурной визуализации от OpenAI проект «Astra» начинался с письменного технического задания, а не с предоставленного плана этажа. Проект развивался в ходе последовательных этапов проверки, включая предложенный план и сцену в Blender с мебелью. OpenAI определяет его как проект визуализации, требующий профессиональной экспертизы, прежде чем он сможет послужить основой для строительства. Каждая версия давала пользователю повод для отклика. Следующее указание исходило из того, что уже было построено, а не из полной спецификации, составленной в самом начале.

Рассмотрим небольшой жилой проект. Архитектор предоставляет границы участка, схему подъездов и план размещения помещений, а затем запрашивает альтернативные варианты планировки. После их рассмотрения архитектор рисует внутренний двор, перемещает вход и изменяет форму одного из крыльев. Затем агенту поручается разработать планировку помещений с учётом этих решений, при этом допущения остаются видимыми.

Augmenta и проблема «однократного прогона»

Augmenta столкнулась с этой проблемой ещё до появления Astra. Её механизм прокладки трасс за ночь рассчитывал схему электропроводки для всего здания, и заказчики принимали полученный результат. Затем проект изменялся, и вместо того, чтобы запускать полный расчёт заново с учётом нового проекта, специалисты возвращались в Revit и Navisworks и вручную редактировали полученные данные — а ведь именно от такой доработки и должна была избавить автоматизация.

В интервью, данном в июне 2026 года, директор по продуктам Аарон Шимански описал версию 2 как построенную с учётом именно такого поведения: корректировать затронутые маршруты, пересчитывать только те участки, которые изменились, и оставлять остальную часть утверждённого решения без изменений. Движок работает с правилами проекта и геометрическими ограничениями, используя алгоритмы и машинное обучение, а не LLM, для проектирования маршрутов, но этот урок применим к любому виду автоматизированного моделирования: первый результат полезен только в том случае, если второе изменение не сводит его на нет.

Архитектор может попросить агента смоделировать этаж, а затем вручную переместить некоторые стены и изменить вход. Когда агент возобновляет работу, эти правки должны стать его отправной точкой. Если он возвращается к исходному предложению, архитектору придется вновь вносить те же исправления. Это быстро сведет на нет любую экономию от автоматизированного моделирования.

Реконструкция Центра Помпиду, выполненная компанией «Ideatura», служит примером поэтапной разработки: разработчик сообщает о добавлении подпорных конструкций, переносе эскалатора в другое место, а также о сохранении существующих инженерных сетей и остекления. Матта признает, что некоторые детали ещё требуют проверки, и файлы модели необходимо будет сравнить, чтобы определить, что осталось неизменным после доработки.

Куда девается ручная работа

Похоже, что в первую очередь будут автоматизированы повторяющиеся операции по размещению объектов, изменению параметров и ведению рутинной документации. Преимущество получат компании, использующие стандартные компоненты и четкие правила моделирования, при условии, что полученные размеры и аннотации будут привязаны к нужной информации.

Архитекторы по-прежнему будут перемещать геометрию для разработки идеи, а затем поручать ИИ заниматься повторяющимися задачами. В результате они смогут уделять больше времени изучению моделей, а сами будут размещать меньше объектов. Более дешевые альтернативы позволят легче оправдать такие затраты в рамках бюджета проекта.

Для решения проблемы сложного соединения ограждающих конструкций потребуется нечто большее, чем просто хороший специалист по моделированию. На детали влияют деформации конструкции, система водоотвода, пожарная безопасность и последовательность строительных работ. Агенту необходим доступ к соответствующим знаниям о продуктах и проверенным сборочным узлам, прежде чем его геометрия станет полезной строительной информацией.

Агенты также могли бы готовить альтернативные варианты для анализа, запускать проверенные инструменты и передавать результаты проектировщику. Это позволило бы протестировать больше вариантов, но предположения должны тщательно проверяться. Моделирование с неверными граничными условиями может сделать так, что неверное решение будет выглядеть тщательно проработанным.

На данный момент прогоны моделирования по-прежнему достаточно дорогостоящи, чтобы их стоило учитывать. В ходе детального эксперимента BIM Pure было израсходовано примерно 10 долларов в токенах, эквивалентных API, при этом первоначальное воссоздание модели заняло около 20 минут; моделирование 16-квартирного жилого блока при максимальных настройках заняло 79 минут. В другом случае, как сообщалось, моделирование объёма Центра имени Гейдара Алиева в Баку в программе Rhino исчерпало дневной лимит пользователя.

Архитектор, понимающий суть проблемы, может не уметь программировать, в то время как у специалиста по вычислительному проектированию скопилась очередь запросов. ИИ, способный писать и запускать код для моделирования, мог бы сделать автоматизацию небольших задач целесообразной

Эти примеры не дают адекватного сравнения общего объема затрат с существующим рабочим процессом. Брифинг, проверка, неудачные запуски и исправления должны учитываться с обеих сторон расчета при одинаковых стандартах конечного результата. Повторение может увеличить экономию, но доля гонорара, затрачиваемая на размещение объектов, не обязательно соответствует той доле, которую агент сможет сократить.

Проверка документации показала самые высокие результаты среди всех этих тестов. В эксперименте компании Signal система Astra обнаружила 13 из 14 заложенных дефектов в наборе из 40 страниц и сгенерировала 23 замечания, 21 из которых было подтверждено. Инженер может проверить каждое несоответствие между чертежом и спецификацией или выявить несоответствие в количественных показателях. Преимущество в этом случае определить проще, чем оценить стоимость модели, требующей ремонта в неизвестном объеме.

Инструменты, созданные для работы руками

Большинство программ BIM было разработано для пользователей, сидящих за рабочей станцией и размещающих или редактирующих элементы с помощью команд, свойств и диалоговых окон. Ник Кэмерон, директор по цифровым технологиям в компании Perkins&Will, рассказал журналу AEC Magazine, что для удобства работы проект крупной больницы приходится разбивать примерно на 30 связанных между собой моделей Revit. Затем архитектурному бюро необходимо координировать эти отдельные модели по мере развития проекта.

Связывание файлов не дает ИИ автоматического доступа ко всему их содержанию. Если его коннектор предоставляет доступ только к активной модели, агент работает с неполным представлением проекта. Изменение в архитектуре может повлечь за собой последствия в модели инженерных систем, к которой он даже не может обратиться с запросом. Ускорение моделирования только сделает это упущение более дорогостоящим.

По мере того как агенты берут на себя все большую часть работы, среда моделирования должна поддерживать повторные запросы и скоординированные изменения по всему проекту, не требуя от человека постоянного контроля за каждой операцией. Уже существуют различные подходы к работе с базовыми данными. Решение Fragments от Open Company поддерживает частичную загрузку, запросы и редактирование; Motif представляет собой распределенную платформу данных; Snaptrude располагает стеком баз данных для обновлений в режиме реального времени; а API от Qonic предоставляет доступ к моделям проекта, свойствам и сеансам редактирования.

Это не дает представления о том, как любой из этих инструментов проявит себя на этапе проектирования и документирования крупной больницы. Это заставляет поставщиков настольного BIM-программного обеспечения объяснять, как их системы справятся с этой задачей. Агент, способный генерировать тысячи элементов, имеет ограниченную полезность, если BIM-приложение затрудняет проверку их взаимозависимостей и их совместное изменение. Способность надежно выполнять эти задачи может стать решающим фактором при выборе архитектурными бюро платформы для моделирования.

Иная среда моделирования

Поставщики программного обеспечения применяют разные подходы к предоставлению ИИ доступа к своим профессиональным BIM-моделям, в то время как архитектурные бюро изучают собственные варианты. Эксперименты компании Perkins&Will с использованием Blender для моделирования на основе ИИ показывают, что эта работа не обязательно должна ограничиваться рамками традиционных BIM-приложений. Многое будет зависеть от того, насколько свободно агент сможет считывать и изменять информацию о проекте в разных инструментах. Поставщики могут упростить этот процесс или использовать свой контроль над этими связями, чтобы удержать большую часть работы в рамках своих собственных продуктов.

Хотя GPT-6 Astra и занимает первые строчки в новостях, конкуренты не отстают, и у компаний из сферы архитектуры, инженерии и строительства (AEC) пока нет веских причин окончательно останавливаться на какой-либо одной модели. В тесте BenchCAD, являющемся эталоном для программного CAD, результаты, представленные поставщиками по геометрии механических деталей, показывают, что Opus 5.5 от Anthropic и Astra фактически находятся на одном уровне (0,962 против 0,959). Этот тест не предназначен специально для отрасли AEC, но он показывает, что разрыв между ведущими моделями невелик, а модели с открытым весом могут ещё больше расширить выбор.

Внедрение, вероятно, начнётся с чётко определённых задач, которые проектная организация может сформулировать и проверить. Стандартные компоненты и устоявшиеся правила дают агенту лучшую отправную точку, чем нерешённые проектные решения, независимо от формы здания. В конечном итоге это может позволить архитекторам разрабатывать детальные модели на основе 2D-эскизов и письменных описаний, а дальнейшие решения будут поступать по мере продвижения проекта.

Заключение

Как строительные компании будут использовать эту технологию? Им предстоит решить, потратить ли сэкономленное время на изучение проектов или на выполнение дополнительного объема работ, в то время как клиенты, возможно, будут рассчитывать на снижение гонораров. Кроме того, им придется пересмотреть подход к обучению персонала. Если младшие сотрудники будут тратить меньше времени на проработку моделей и деталей, компаниям понадобится другой способ обучения строительному анализу, необходимому для их проверки.

Начните с задач чтения данных, оставьте коннектор MCP в режиме «только для чтения» до тех пор, пока не будут поняты операции редактирования, и ознакомьтесь с условиями лицензии перед запуском автоматизации в автономном режиме. Выберите одну повторяющуюся задачу и сравните метод работы вашего бюро с работой подрядчика, действующего в соответствии с теми же критериями приемки. Включите ручное изменение и вторую автоматизированную доработку, проверив, что согласованные решения сохраняются, и подсчитав все затраты на инструктаж, проверку, исправление и вычисления, включая неудачные прогоны.

Компания Astra сделала значительную часть ручной работы с BIM доступной для автоматизации. Первая модель может привлечь внимание, но архитектору придется работать над ней в течение нескольких месяцев. Программное обеспечение должно будет запомнить то, о чём было достигнуто соглашение, допускать прямое вмешательство и переносить эти решения в следующую версию. Рассмотренные здесь данные пока не демонстрируют, что система достаточно надежна, чтобы обеспечить экономию на производстве.