技术深度解析
Antigravity 2.0在OpenSCAD 3D建筑基准测试中的主导地位，源于一种新颖的架构：它将专为OpenSCAD语法设计的专用分词器与多尺度注意力机制相结合，旨在跨长代码序列保持几何关系。OpenSCAD代码本质上是层次化的：一行代码可以定义一个立方体，但一个复杂建筑需要数百行代码来管理拉伸、并集、差集和旋转操作。通用大语言模型常常丢失坐标系信息，或产生自相交几何体。Antigravity 2.0通过在训练中引入几何一致性损失函数来解决这一问题，该函数会惩罚违反基本空间约束（例如，未使用显式并集操作的重叠实体）的输出。
该基准测试本身从五个维度评估模型：几何精度（与目标形状的偏差）、结构逻辑（CSG操作的有效性）、代码效率（代码行数与复杂度的比值）、执行成功率（生成的代码无错误编译的百分比）以及设计新颖性（与训练数据的差异）。Antigravity 2.0总体得分94.3%，执行成功率达99.1%——这意味着几乎每个生成的蓝图都能正确编译和渲染。其最接近的竞争对手OpenCAD-GPT得分为82.7%，执行成功率为89.4%。
| 模型 | 总体得分 | 执行成功率 | 几何精度 (mm) | 代码效率 (LOC/特征) | 设计新颖性得分 |
|---|---|---|---|---|---|
| Antigravity 2.0 | 94.3% | 99.1% | ±0.12 mm | 3.2 | 0.87 |
| OpenCAD-GPT | 82.7% | 89.4% | ±0.45 mm | 4.8 | 0.72 |
| CodeLlama-34B (微调) | 76.1% | 81.2% | ±0.89 mm | 6.1 | 0.65 |
| GPT-4o (零样本) | 68.5% | 72.3% | ±1.34 mm | 7.9 | 0.58 |
数据要点： Antigravity 2.0近乎完美的执行率和亚毫米级精度代表了一次阶跃式变化。像GPT-4o这样的通用模型虽然在文本任务上令人印象深刻，但在参数化几何问题上却遭遇灾难性失败——其误差范围高出10倍，并且近30%的时间生成无法编译的代码。这一基准测试证明，针对物理世界AI，领域特定训练是不可妥协的。
一个关键的工程洞察是模型使用了“空间注意力掩码”，该掩码强制注意力机制优先处理定义坐标变换和布尔运算的令牌。这是通过一个自定义的PyTorch模块实现的，团队已在GitHub上以仓库`antigravity-spatial-attention`（目前获得2300颗星）开源了参考实现。该仓库包含一个包含50,000个参数化OpenSCAD建筑模型的数据集，用于微调。该数据集的显著特点是包含了“失败案例”——故意损坏的模型，用于教导模型避免非流形几何等常见陷阱。
关键参与者与案例研究
Antigravity 2.0项目由MIT媒体实验室Future Sketches小组的团队领导，并与苏黎世联邦理工学院Block研究组的研究人员合作。第一作者Elena Voss博士此前在Autodesk从事生成式设计工作，后来转向基于大语言模型的方法。该团队的策略是避免在通用代码生成上竞争，而是专注于OpenSCAD——一个虽小众但功能强大的工具，深受参数化设计社区青睐。这种专注使他们能够策划高质量的训练数据集，并设计出通用模型难以复制的自定义损失函数。
竞争努力包括由初创公司FormAI开发的OpenCAD-GPT，该公司在2024年底筹集了1200万美元的种子资金。FormAI的方法更广泛——他们旨在支持包括STEP和IGES在内的多种CAD格式——但他们的基准测试性能因增加的复杂性而受到影响。另一个值得注意的竞争对手是开源项目`cad-gpt`（GitHub，1800颗星），它使用检索增强生成方法从数据库中提取参数化模板。虽然`cad-gpt`在简单零件上实现了85%的执行成功率，但在处理新颖的建筑级设计时却力不从心。
| 产品/项目 | 方法 | 执行成功率（复杂建筑） | 资金 | 关键局限 |
|---|---|---|---|---|
| Antigravity 2.0 | 微调LLM + 空间注意力 | 99.1% | 学术（MIT/ETH） | 仅支持OpenSCAD |
| OpenCAD-GPT | 多格式LLM | 89.4% | 1200万美元种子轮 | 复杂装配体精度较低 |
| cad-gpt (开源) | RAG + 模板检索 | 85%（简单）/ 62%（复杂） | 无 | 对新颖设计泛化能力差 |
| GPT-4o (零样本) | 通用 | 72.3% | 不适用 | 高错误率；代码无法编译 |
数据要点： Antigravity 2.0的学术背景赋予其研究优势，但也带来了商业化缺口。FormAI的融资表明风险投资看到了潜力，但其执行成功率显著落后。开源项目`cad-gpt`对于简单任务是一个可行的替代方案，但目前尚无法处理Antigravity 2.0所展示的复杂程度。