GPT-6 Astra 已经把 BIM 建模接入了具体软件。我的判断是，后边的路其实不远，关键在 MCP、持续对话、记忆系统和程序化 Harness。
MCP
软件连接。
记忆
上下文沉淀。
Harness
工作流控制。
AEC Magazine 原文的谨慎之处在于：一次生成的模型和可长期维护的 BIM 模型之间仍有差距。我的判断和它不同的地方，是我不把这个差距看成大模型本身无法跨过的墙。
模型负责理解、规划、写代码和调用工具。MCP 负责把动作接到软件，记忆和程序化流程负责保存已经确认的决定。控制问题正在从“模型会不会”转成“工作流怎么设计”。
原文里的图片，已经不是一张概念效果图。
文章页面没有嵌入视频，但有多张静态图。它们展示的是 Revit 对话窗口、IFC 模型、构件细部和工程几何。图像本身不能替代独立测试，却能让读者看到 Astra 已经进入了具体软件和具体模型对象。
Revit 界面中显示 Astra 与建模任务的交互过程。
这张图的价值在于，它把“模型生成”放回了真实软件界面。代理需要读取当前状态，选择对象，执行操作，再把结果交给人检查。读者看到的已经是工作链的一部分。
从建筑几何到 BIM 对象，连接器决定结果。
Astra 可以通过不同连接方式进入 Rhino、Blender 或 Revit。工具暴露的是原生墙、门、窗和楼层，模型就有机会建立可查询的构件关系；工具只接受普通实体、网格或 DirectShape，结果看起来仍像建筑，后续编辑却会变得困难。
Ideatura 展示的 Centre Pompidou IFC 重建模型，画面显示了结构与设备关系。
IFC 模型的局部视图，画面显示了构件、楼梯和结构关系。
原文提到的 DirectShape 案例和 IFC 案例，说明了同一件事：AI 生成 BIM 的关键不只是几何相似度。
对象身份、参数、层级和依赖关系，同样决定模型能不能继续工作。
Harness 的第一项工作，就是把这些对象和操作封装成模型可以调用、程序可以检查的接口。
边界。画面展示了结果，但不等于完成了工程验收。
Revit 插件开发者报告过 327 面墙、162 扇门和 98 扇窗。AEC Magazine 明确注明，这组结果来自开发者自报，尚无独立验证。这里可以确认代理完成了大量建模动作，不能把数字直接写成稳定生产能力。
修改和编辑，靠的会是 Harness。
“模型会不会改”这个问题容易被说得过重。只要 MCP 把修改动作拆成足够可靠的工具，模型就能移动墙体、替换构件、重新计算局部关系。
代理还要在每一步读取结果。难点落在工具是否暴露了正确的对象、参数和验证接口。
持续对话解决的是任务上下文。记忆系统保存的是项目决定、用户偏好、已确认的尺寸和被否决的方案。程序化沉淀负责把这些内容变成版本、检查、回滚和可重复执行的流程。三者接上之后，模型就不必每次从一张空白画布开始。
Astra 参与重建的工程几何示例，画面展示了完整的飞机模型。
工程几何示例，画面展示了带有连接件和细部的圆柱体模型。
工程几何示例，画面展示了拆解后的多部件结构。
这些图展示的是复杂几何被拆分、重建和检查的可能性。要把它们变成可持续的 BIM 操作，还需要把对象关系、检查规则和项目状态写进 Harness。
很快，BIM Harness 会变成产品。
我的判断是，下一阶段的竞争不会只围绕哪个大模型更强。
产品会把模型、MCP 连接器、项目记忆、构件库、检查规则和版本记录组合成一套面向建筑工作的 Harness。
普通用户不需要先学会写 Revit API 或 Grasshopper。用户描述目标，上传参考资料，确认关键决定；Harness 负责把任务拆成可执行步骤，把模型动作落到软件，再把结果、错误和下一步交回用户。
我会观察三件事。 一是连接器能否使用原生 BIM 对象。二是用户手动修改后，代理能否继续工作。三是每次改动能否留下可追溯的版本和检查结果。
这三个条件逐步具备后，BIM 建模就会从少数技术人员的脚本实验，进入普通建筑师和独立设计者的个人工作流。
GPT-6 Astra 展示的是入口已经出现。Harness 产品化会决定这个入口何时变成日常工具。
SOURCES。
来源：AEC Magazine，《GPT-6 Astra and the future of BIM modelling》。
来源：OpenAI，GPT-6 Astra 官方介绍与 Architectural visualization with Astra。