自主智能体在通用电脑使用上进展很快，但专业工业工程的可靠自动化仍未实现。工程工作流要求对几何与物理约束进行推理，并在软件与设计阶段之间保持依赖。EngiWorld被作者定位为围绕完整设计闭环构建的首个基准：1301项专家策展任务，覆盖CAD、CAE、CAM、BIM、EDA与3D可视化六个领域、26个专业软件平台，同时支持GUI与CLI，任务类型从软件选择到开放式任务共六类。对七个前沿模型的评测显示，最强模型EngiScore仅44.3，多软件尝试成功率只有3.6%。

产物中心的评测

该基准强调完整设计环，而非单软件孤立操作。评估以产物为中心：统一领域验证器套件程序化检查最终与中间产物的几何有效性、物理可行性与规则合规；定量设计任务按规格达成度连续打分，而非二元成败。公开材料未列出软件名单、任务细项与验证器边界处理，方法只能按摘要理解。

能力缺口有多具体

七个前沿模型与可靠工程自动化仍有明显距离。最强EngiScore为44.3，跨软件尝试成功率仅3.6%。任务一旦跨越软件边界并保持设计依赖，几乎无法走通。摘要称之为实质性能力缺口，并认为该基准提供了衡量端到端操作专业工程软件进展的第一套严格基础。材料未给出模型名称与分项分数，这里不比较具体模型。

我的判断

价值在于把评测锚定到几何、物理与规则约束，并用规格达成度连续计分，比点击成功率更接近工程交付。适用边界应限制在专业工程软件的设计闭环，不能据此否定通用电脑智能体，也不能外推到未覆盖系统。局限同样清楚：摘要没有模型名单、分项指标和验证器可靠性，EngiScore如何加权未知。完整论文核对前，44.3与3.6%只适合证明专业工程端到端代理远未可用，不适合当选型榜。若业务依赖CAD、CAE、CAM、BIM或EDA的自动闭环，现有前沿模型还不宜当作生产级自动化；EngiWorld更像一把尺子，而不是已交付的工程代理方案。