這個月，Claude Fable 5 與 ChatGPT-5.6 前後腳登場，社群的討論很快聚焦在跑分、價格與各種排行榜的名次上。

不過對建築與室內設計從業者而言，模型之間多幾分或少幾分，往往難以直接改變日常工作的樣貌，真正拉開差距的，通常不是手上那顆模型有多強，而是它能否被接進一套實際運作、能夠落地的流程。

訊號 ｜ 兩個模型都更強了，但那未必是重點

先看這兩次發表的方向，因為方向本身值得留意。

Claude Fable 5 這邊，Anthropic 強調它能自主連續工作的時間比過去任何一代都長，金流公司 Stripe 曾以它把原本約兩個月的工程壓縮到一天完成，官方展示中它甚至能自行跑完多輪的 CAD 設計與流體模擬。

ChatGPT-5.6 這邊，OpenAI 主打同時調度多個代理、分頭完成一件複雜任務，並能自行撰寫程式串接工具、辨識自己產出的畫面再加以修正。

兩者用語不同，指向的卻是同一個轉向，也就是 AI 從一問一答，逐漸變成能接手一整段流程、自行完成。

值得提醒的是，能力更強並不等於事務所的日常會因此改變，一個再強的模型若沒有被接進實際流程，較可能停留在一次漂亮的示範，示範結束後工作方式往往依舊。

關鍵或許不在於它跑得多快，而在於它是否跑在真實的案子、流程與資料之上。

關鍵或許不在於哪一個模型更強，而在於它能否被接進一套明天就能在案子上運作的流程。

落地 ｜ 什麼叫「能落地的工作流」

所謂能落地的工作流，指的並不是打開某個 AI、問一題、得到漂亮的答案，而是把 AI 接進真實的設計流程，從接洽、提案、設計發展，一路到出圖與交付，讓它在對的環節完成對的工作，並由人留在關鍵的判斷點上，這正是「試用」與「上工」之間的差別。

要讓一套流程真正落地，有一個前提難以跳過，那就是底層的資料要正確。

BIM (Building Information Modeling) 並非單純的建模工具，而是資訊整合的設計流程，Revit 裡的每一根柱、每一片牆，都是一組會被下游反覆讀取的資料，涵蓋命名、樓層、族群、材料與分區。

這些欄位若空著或雜亂，AI 接手時只能沿著錯誤往下推進，而且速度更快、外觀更逼真。

資料對了，AI 的產出才可能對，這個原則在流程要落地時只會更加明顯。

換句話說，「整合成能落地的工作流」其實是兩件事的疊加，一是把 AI 接進對的環節，二是把底層的資料與規則整理到足以運作，少了任何一半，都仍停留在示範階段。

準備 ｜ 把 AI 接成一套會運作的流程，可以從三步開始

不必等到最強的模型出現，也不必先精通任何一款工具，要把 AI 變成能落地的流程，可以從下面三步著手。

這三步的共同點在於，重點不在追逐一顆更強的模型，而在把 AI 編織進既有的流程，前者是廠商之間的效能競賽，後者才是事務所能夠累積、也能帶著走的資產。

收尾 ｜ 效能會不斷被刷新，落地的能力不會

回到開頭那兩個名字，再過幾個月，很可能又有更強的名字出現、把它們比下去，這樣的循環會持續發生，而效能這條線，總會有人不斷刷新。

真正決定這些模型能否被用得上的，往往不是誰更強，而是使用端是否具備一套接得起來、能夠落地的流程，以及一份乾淨到足以交付執行的資料，說到底，效能是廠商之間的競賽，落地則是事務所自身的功課。

設計是思考方式，BIM 是結構與資訊，AI 是那個越來越能自主運作的放大器，當三者被接成同一套流程，帶來的不只是工具的進化，更是決策能力的提升，而位居其中、決定把哪一段接起來、交出去、又在哪裡收回判斷的人，角色只會越來越關鍵。

也正因為如此，把重心放在「工作流」而非個別工具的操作，逐漸成為一種共識，TYarchistudioBIM 近期便將這套從接洽、提案、設計發展一路延伸到自動化的方法，整理成一門課程「AI 設計工作流應用專課」，建築軌與室內軌雙軌並行，想了解整段流程如何一步步被接起來、落到實際案子上，可進一步參考：AI 設計工作流應用專課。

模型會不斷替換，效能會不斷被刷新，但把 AI 整合成一套能落地的流程，是一種換過幾代模型後仍會留下的能力，真正稀缺的，往往不是最強的工具，而是能把工具接成流程的人。