IA para CAD: benchmark de OpenSCAD

La conversación sobre IA para CAD suele quedarse en demos bonitas: un prompt, una malla más o menos correcta y una captura para redes. El problema aparece cuando llevas eso a un flujo real de diseño técnico. Ahí ya no basta con “parece una silla”; necesitas dimensiones, relaciones geométricas, cambios paramétricos y un resultado que no se rompa cuando ajustas una variable.

Por eso llama la atención el benchmark arquitectónico de OpenSCAD que analizó ModelRift: no mide si un modelo genera una imagen atractiva, sino si puede producir geometría paramétrica utilizable. Y ese matiz cambia bastante la lectura. Si un LLM empieza a rendir en OpenSCAD, no estamos hablando solo de texto o de bocetos, sino de una capacidad más cercana a CAD asistido por IA.

Qué mide realmente este benchmark

OpenSCAD es un entorno de modelado 3D basado en código. En lugar de arrastrar caras y extruir formas con una interfaz visual, defines sólidos con instrucciones, parámetros y operaciones booleanas. Eso lo vuelve muy útil para piezas repetibles, componentes técnicos y modelos donde cambiar un número debe modificar todo el objeto sin rehacerlo desde cero. La documentación oficial de OpenSCAD explica este enfoque con bastante claridad: https://openscad.org/documentation.html

El benchmark del que habla ModelRift se apoya justamente en esa lógica. En vez de evaluar si un modelo responde bonito o si genera una descripción convincente, le pide producir código OpenSCAD para tareas arquitectónicas y geométricas. Eso obliga al modelo a resolver cosas concretas: proporciones, relaciones espaciales, simetrías, repetición modular y consistencia del código.

Por qué OpenSCAD es un buen filtro

OpenSCAD es duro con los errores. Si una variable está mal definida, si una operación booleana genera intersecciones raras o si una pieza queda fuera de escala, el resultado se nota de inmediato. No hay mucho espacio para improvisar. Por eso sirve como benchmark: separa a los modelos que “hablan de diseño” de los que realmente pueden traducir instrucciones en geometría.

Además, OpenSCAD es paramétrico por naturaleza. Eso importa porque el valor de la IA para CAD no está solo en generar un objeto una vez, sino en producir algo editable. Si tú cambias el ancho, la altura o el espesor, el modelo debería seguir funcionando. Esa capacidad es la que acerca la IA a flujos de diseño técnico, no solo a prototipos visuales.

Qué tipo de tareas aparecen en este tipo de pruebas

Aunque cada benchmark tiene su propia metodología, este tipo de evaluación suele incluir tareas como:

1. Crear volúmenes simples con medidas exactas.
2. Componer estructuras con repetición de módulos.
3. Representar elementos arquitectónicos básicos, como muros, vanos o escaleras.
4. Mantener relaciones paramétricas entre piezas.
5. Corregir o completar código incompleto sin romper la lógica geométrica.

Ese conjunto de tareas parece modesto, pero en CAD real es donde se gana tiempo. Si el modelo entiende que una ventana debe conservar márgenes, o que una escalera depende de la altura total y del número de peldaños, ya estás ante algo más útil que un generador de formas aleatorias.

Qué significa que Antigravity 2.0 haya liderado

Según el post de ModelRift, Antigravity 2.0 quedó arriba en este benchmark arquitectónico de OpenSCAD. El dato relevante no es solo el nombre del modelo, sino el tipo de tarea donde destaca. Si un modelo lidera en un entorno de geometría paramétrica, sugiere que ya hay cierta madurez en la capacidad de seguir instrucciones estructuradas y convertir lenguaje natural en código técnico.

Eso no significa que el problema esté resuelto. Significa algo más interesante: el salto desde “generar texto sobre diseño” hacia “generar geometría que compila” ya empezó. Y cuando un modelo puede producir código que pasa de una idea a una forma con menos fricción, se vuelve candidato para tareas de asistencia en etapas tempranas de diseño.

Lo que sí puedes inferir del resultado

Si un modelo encabeza este tipo de benchmark, puedes inferir varias cosas útiles:

• Entiende mejor instrucciones con restricciones.
• Maneja mejor relaciones entre variables.
• Tiene menos tendencia a romper la estructura del código.
• Puede servir como copiloto para iteraciones rápidas.

Eso encaja con un uso muy concreto: tú describes una pieza, una fachada modular o un volumen base, y el modelo te devuelve una primera versión paramétrica. Luego tú corriges medidas, validas tolerancias y ajustas detalles. No reemplaza al diseñador, pero sí puede reducir el tiempo de arranque.

Lo que no deberías sobreinterpretar

También conviene poner límites. Liderar un benchmark no equivale a producir modelos listos para fabricación, ni a resolver normativas, ni a reemplazar herramientas CAD maduras. Un score alto puede venir de tareas acotadas, con formato predecible y un espacio de solución relativamente controlado.

En otras palabras, que un LLM funcione bien en OpenSCAD no implica que ya pueda manejar la complejidad de un proyecto arquitectónico completo. Aún faltan validación estructural, compatibilidad con estándares de industria, integración con BIM y revisión humana. Si te interesa esa parte de flujos técnicos, puedes ver también nuestro artículo sobre /blog/ia-generativa-diseno-producto.

Por qué esto importa para CAD asistido por IA

La mayoría de los usos de IA en diseño han estado centrados en ideación: moodboards, renders conceptuales, variaciones visuales o texto de apoyo. Eso sirve para explorar, pero no para construir. El benchmark de OpenSCAD apunta a otra capa: la de producir geometría paramétrica que sí puede entrar en un flujo técnico.

Eso abre casos de uso más cercanos a la práctica diaria. Por ejemplo, en arquitectura puedes describir un módulo repetible para una fachada y obtener una primera versión con variables editables. En diseño industrial puedes pedir una carcasa con separación interna, espesores y perforaciones. En educación técnica, un estudiante puede aprender mejor si ve cómo una instrucción se convierte en código paramétrico verificable.

Casos de uso donde ya aporta valor

1. Borradores paramétricos: crear una base editable en minutos en lugar de empezar desde cero.
2. Variantes rápidas: probar anchos, alturas o distribuciones sin rehacer el modelo.
3. Documentación interna: convertir descripciones de producto en código legible por el equipo técnico.
4. Apoyo educativo: enseñar lógica geométrica con ejemplos que compilan.
5. Automatización parcial: generar componentes repetitivos, como soportes, paneles o marcos.

Si trabajas con equipos pequeños, este tipo de ayuda puede ser más útil que una herramienta que solo produce renders. En estudios de arquitectura de la región, donde muchas veces una sola persona cubre diseño, documentación y ajustes, ahorrar una hora en el arranque de un modelo sí se nota.

Tabla: qué cambia entre un LLM genérico y uno útil para CAD

Qué sigue faltando para usarlo en producción

Aunque el avance es real, todavía hay una brecha grande entre benchmark y producción. En CAD técnico, los detalles importan más de lo que parece. Una pieza puede verse bien en pantalla y aun así fallar por tolerancias, orientación, materiales o contexto de ensamblaje. Ahí es donde un modelo todavía necesita mucha supervisión.

Además, OpenSCAD no cubre todo el ecosistema de diseño. Es excelente para geometría paramétrica, pero no sustituye herramientas como Fusion 360, SolidWorks o flujos BIM. Si tu proyecto depende de interoperabilidad con planos, simulación o manufactura, el LLM puede ayudar en una parte del proceso, no en todas.

Riesgos concretos que debes considerar

• Código sintácticamente correcto pero geométricamente inútil.
• Medidas plausibles pero no verificadas contra requisitos reales.
• Dependencia excesiva del prompt: una instrucción imprecisa puede producir basura.
• Poca trazabilidad si el modelo no explica por qué eligió cierta estructura.
• Dificultad para integrar estándares de tu industria.

Si usas IA para CAD, conviene tratarla como un asistente que propone y acelera, no como una fuente de verdad. Tú sigues validando medidas, normas y compatibilidad con el resto del proyecto. La ventaja está en acortar el camino entre idea y primer modelo funcional.

Un flujo de trabajo razonable hoy

1. Defines el objetivo con medidas base y restricciones.
2. Pides al modelo una primera versión paramétrica.
3. Compilas y revisas si el código corre.
4. Ajustas variables y comparas variantes.
5. Exportas o migras solo cuando la geometría ya está validada.

Ese flujo funciona mejor cuando la IA está bien acotada. Cuanto más específico sea tu caso de uso, más probable es que el modelo te entregue algo útil. Si tu pedido es “diseña una casa”, la respuesta será demasiado amplia. Si pides “genera un módulo de fachada de 1.20 m por 2.40 m con tres vanos y espesor de 12 cm”, ya entramos en terreno manejable.

Cómo probar IA para CAD sin perder tiempo

Si quieres evaluar estas herramientas en tu equipo, no empieces por un proyecto grande. Empieza por piezas pequeñas y repetibles. La idea es medir si el modelo entiende restricciones y si puedes editar el resultado sin romperlo. Eso te da una señal más clara que una demo espectacular.

Checklist práctico para una prueba interna

• Define una pieza con 3 a 5 parámetros.
• Pide al modelo que devuelva solo código OpenSCAD.
• Verifica si compila sin errores.
• Cambia un parámetro y revisa si el modelo sigue siendo coherente.
• Compara el tiempo total contra hacerlo manualmente.

Si quieres algo más serio, guarda una batería de prompts y evalúa siempre los mismos casos. Así puedes comparar modelos sin depender de impresiones subjetivas. Para equipos que trabajan con documentación técnica, incluso una diferencia de 20 o 30 minutos por iteración ya puede justificar el experimento.

Ejemplo de prompt útil

Genera código OpenSCAD para una caja paramétrica con estas condiciones:
- ancho: 120 mm
- alto: 80 mm
- profundidad: 60 mm
- espesor de pared: 3 mm
- tapa encajada por presión
- dos separadores internos equidistantes
Devuelve solo código válido y usa variables al inicio.

Ese tipo de instrucción es mejor que pedir “una caja bonita”. Le da al modelo restricciones concretas y te permite evaluar si entiende el problema técnico. En CAD asistido por IA, la precisión del prompt importa más que el adjetivo creativo.

Tabla resumen

La señal de fondo es clara: los modelos ya no solo escriben sobre diseño, también empiezan a construir representaciones geométricas que se pueden iterar. Eso no elimina el trabajo técnico, pero sí puede cambiar cómo arrancas una pieza, un módulo o una estructura paramétrica.

Si trabajas en arquitectura, diseño industrial o automatización de geometría, vale la pena seguir de cerca este tipo de benchmarks. Son los que muestran cuándo la IA deja de ser solo una capa de lenguaje y empieza a tocar el núcleo del modelado técnico.