DeepSeek工程能力首度验证：大模型图纸修改测试成绩出炉 仍存明显短板

DrafterBench是首个评估大模型在土木工程图纸修改任务能力的基准测试，DeepSeek-V3-685B参与评测得分73.09分，与Claude3.5 Sonnet接近，落后于OpenAI o1。测试显示当前主流大模型虽具备基础工程任务处理能力，但整体执行精度和流程完整性仍无法满足工业一线需求，尤其在工具调用、批判性推理等环节存在明显短板。