大規模言語モデル（LLM）とビジョン言語モデル（VLM）の急速な進化により、自然言語で指定された仕様から自動的にパラメトリック3Dデザインを生成することが可能になってきた。本研究は、機械部品の自動CAD生成における基礎モデルの実用性を、統一された評価パイプラインと97個のエンジニアリング設計問題からなるベンチマークを用いて実証的に検討したものである。 研究チームが開発したLLMForgeは、JSON スキーマ検証、解析的特徴スコアリング、メッシュ合成、複数ラウンドの反復的改善を統合するマルチモデルのテキスト・ツー・CADフレームワークである。IterTracerは、Phong シェーディング付きレイトレースレンダラーと解析的ビジュアルメトリクス（シルエットIoU、穴の可視性、エッジクリアランス、アスペクト比適合性）を使用して、各ラウンドで軽量な幾何学的フィードバックを提供する。一方、IterVision は解析スコアラーをVLMセマンティッククリティック（Qwen2.5-VL-72B）に置き換え、チェーン・オブ・ソート視覚推論を通じてレンダリングされたビューを評価し、空間的一貫性と設計意図を評価する仕組みになっている。 孔とボルト円を持つプレート、マルチフィーチャーボックス、フランジ付きシリンダー、L字ブラケットという4つの標準幾何学ファミリーを含むベンチマークで、DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1、INTELLECTという7つの基礎モデルを評価した。IterTracerの評価では、上位4モデルが密集したクラスタを形成し（全体平均0.885～0.890）、98.97%のメッシュ成功率を示しており、コンパクトな指示調整モデルが大規模なシステムと同等の性能を持つ可能性を示唆している。IterVisionのVLMベース批評では最高性能モデルで100%のウォータータイト メッシュ生成を達成した一方で、円筒などの回転対称幾何学における系統的な困難が明らかになり、視覚的スコアリングとセマンティックスコアリングが最も乖離することが判明した。