AI算量第一次超过资深估算师，比claude最强模型还高20分，我去扒了扒

大家好，我是秦明，昨天在我们采集系统中，我们关注到，Handoff的创始人兼CEO Dmitry Alexin在领英上的一个帖子，7月24日发的：「当年2019年我们走上这条路、跟别人说我们要自动化施工算量时，所有人都觉得我们是疯子。看来当个疯子还是有回报的」。

我很好奇背后是有什么事件推动，就沿着这条线看了下。

原来三天前，他刚发布了公司自研的算量模型H1，把最强模型claude fable甩开了二十分。这条帖子是回望。

Handoff是家美国公司，我们之前也写过用AI做装修报价，这家团队融资超2千万美元，YC与多家建筑巨头投资。2019年成立，给住宅改造承包商做AI估算。承包商把图纸、照片甚至现场视频传上去，几分钟后拿到一份带报价的估算书和方案，目前全美五十个州有一万多家建造商在用。投资方有欧洲AEC软件巨头Nemetschek，和美国最大的建材消费品集团之一Masco。

7月21日发布H1时，Handoff同时放出了一套自建的算量基准测试，叫TakeoffBench-V1。规则是给模型一套完整的住宅施工图，让它算出各工种的工作范围和材料量，再跟专家核定过的标准答案比对。

TakeoffBench综合分。图：Handoff官方博客

H1拿了81.6分，带算量软件的人类估算师是77.6分，通用模型这边最高的Claude Fable 5是61.4分，往下依次是GPT-5.6的58.6、Claude Opus 4.8的54.6、Kimi K2.6的54.5、Claude Sonnet 4.6的53.9、GLM 5.2的41.6，最后是DeepSeek V4 Pro的34.7。国产三家模型都在这张榜上，位置都靠后。

81.6对77.6，意味着AI在施工算量上第一次压过了手里有专业软件的资深估算师。81.6对61.4，意味着它把当下最强的通用模型甩开了二十分。

看到这个，我第一反应怀疑。这套尺子是Handoff自己造的，他自己拿了第一。放在任何行业，这都值得多问两句。

我继续往下扒了扒，详细看了下。

基准用的是真实住宅施工图，做了脱敏和授权，每套图配一份专家共识核定的答案，覆盖主要工种。评分方式也写在图上：综合分由「覆盖率」和「精确度」加权合成，精确度占的权重更高，为0.6，也就是说宁可漏，不可错。

这两个词各自怎么算，官方一个字都没定义。，博客正文没写。

AI4ELAB是这样解读的：

覆盖率大致是「查全」——一套图纸里该算的工作项和材料项，模型找出来了多少。少算一个门窗五金、漏掉一道内墙的石膏板，扣的是这一项。

精确度大致是「查准」——已经算出来的那些项，数量对不对。墙面积算成142平米而标准答案是138平米，扣的是这一项。

但把他们自己公布的另一张图拆开看，故事就没那么干净了。

分工种得分，带黑框的是该工种第一名。图：Handoff官方博客

81.6是个综合分。按工种拆开，H1赢得最漂亮的是框架（82对71）、石膏板（85对61）、保温（76对62）、屋面（79对69）；可外墙板上它只有65分，人类估算师是82分，差了17分；电气81对85、门窗88对89，也都还输着；混凝土72分打平。换句话说，九个工种里人类还领先三个，另有一个持平。「AI超过人类估算师」这句话在总分上成立，落到具体工种就得分着看。

欢迎大家加入我们会员社区，一起链接成长

还有两点也得说。

一是样本太小，Handoff技术博客写的是10套图纸，81.6和77.6之间那4分差距摊在10套图上，能说明的东西相当有限。

二是只测了住宅，商业、公建、工业这些复杂度高一个数量级的场景，一张没测——这对国内读者尤其要紧，真正头疼的算量，多半不在独栋住宅上。

如果分数是真的，那这活到底难在哪儿，为什么偏偏通用大模型啃不动？

Handoff的创始人在播客Bricks & Bytes里给了答案：你把一张施工图丢给地球上最聪明的模型，它能把这张图描述得非常漂亮，然后在「有几扇窗」这种事上数错。读懂一张图，和数清一张图上的东西，是两种能力。

大模型本质上读的是文本，做不了精确测量，而算量恰恰要高精度；它分不清一道墙是内墙还是外墙，判断不了一扇门往左开还是往右开；最要命的是一次只读一页。可施工图是一整套互相引用的语言，A2平面图上的那道墙，做法定义在A8的大样里；损耗系数从来不写在图上，全靠估算师的经验往上加。一个真正的估算师，是把整栋楼同时装在脑子里的。

H1的解法是照着估算师的分工来，每个工种配一个专门的agent，整套PDF一起进，跨图纸关联尺寸和规格，损耗系数自动套。

至于训练数据从哪来，Dmitry的原话是这样的：「一开始我们是自己用手做的。我们自己就是估算师。别人把图纸发给我们，我们给他们做算量。我们的第一批数据集就是这么标出来的——自己收集了几千套施工图纸，手工标注，做成训练数据。」

回头看那句「所有人都觉得我们是疯子」，被当疯子的其实有两层。一层是2019年就说要自动化算量，另一层是为了这个目标，真的去干了几千套图纸手工标注这种笨得不像话的活。不过，从这个月起，AI算量这件事有分数了。