林晓今天翻到清华、北大、浙大等团队的新基准EngiWorld（arXiv:2609.37686）：把CAD、仿真、电子设计、建筑信息模型等6大领域、26款专业软件塞进同一套考场，共1301道专家题。打分看交付物几何合不合规、物理行不行得通，不是只看界面点没点对。
图1：EngiWorld总览——跨软件散热片流程与六大领域26款专业软件（来源：arXiv:2609.37686 Figure1）
七个前沿模型零样本实测里，Claude Opus 5工程总分最高，拿到44.3，压过次席GPT-5.6 Sol的38.0；千问3.8 Max约25.8，Gemini 3.7 Flash约25.3。分数看着不低，绝对值其实尴尬：300道分层抽测里，所有模型在128道题上全员零分。
图2：七模型主结果表，Claude Opus 5工程总分44.3居首、GPT-5.6 Sol次席38.0（来源：arXiv:2609.37686 Table2）
跨软件联调更惨——多软件任务整体成功率只有3.6%，Claude在该类也仅8.3分，说明会点单个软件，还远不会把设计链路走完。论文还点出常见翻车：几何/物理约束没满足、交付前不自检、跨软件传参丢约束。接口上Claude在图形界面更占优，GPT步数更省（均约54.9步对Claude约70.2步），但综合分仍落后。
图3：各工程领域得分与失败原因分布，约束未满足与未自检是主因（来源：arXiv:2609.37686 Figure4）
先说清楚：这是第三方论文基准实测，不是Anthropic或OpenAI官方发版。一句话——顶尖模型能摸专业工程软件，离工业级闭环还差一大截。想跟进可看arXiv 2609.37686。
信息来源：arXiv 2609.37686。配图按该论文整理，图注按本篇重写。
