意匠・構造の詳細図84枚から建物1棟を構築する実務に即したベンチマークで、GPT-6 Pro・Claude Fable 5.2・Gemini 4 Argonと比較

株式会社KK Generation(本社:東京都港区、代表取締役:藤田浩之介、以下KKG)は、建設図面(PDF)からBIMモデルを自動生成する「BIM生成AI」の最新ベンチマーク結果を公表しました。意匠図・構造図あわせて84枚の詳細図から建物1棟を構築する、実務に即した難易度の高いBIM生成で評価し、BIMの再現性(IFC再現性スコア)で最新の汎用生成AIの3倍以上、積算に関わる数量の精度(数量精度スコア)で4倍以上のスコアを確認しました。

1. BIM生成AI最新ベンチマークのサマリ:IFC再現性は汎用生成AIの3倍以上、数量精度は4倍以上

BIM生成AIのIFC再現性スコア(100点満点・当社指標)は、カスタマイズ前で91.79点、カスタマイズ後で96.3点でした。比較した最新の汎用生成AI(GPT-6 Pro、Claude Fable 5.2、Gemini 4 Argon)で最も高かったのはClaude Fable 5.2の28.2点で、カスタマイズ前の時点で3倍以上のスコアです。

詳細図84枚から生成したBIMのIFC再現性スコア比較(100点満点、当社指標。グラフ内数値は小数第1位表記)
詳細図84枚から生成したBIMのIFC再現性スコア比較(100点満点、当社指標。グラフ内数値は小数第1位表記)

積算に関わる数量精度スコア(100点満点・当社指標)は、カスタマイズ前で76.1点、カスタマイズ後で96.7点でした。汎用生成AIで最も高かったのはGPT-6 Proの15.5点で、カスタマイズ前の時点で4倍以上のスコアです。

詳細図84枚から生成したBIMの数量精度スコア比較(部材数・建物と室の面積・壁と梁の総延長・躯体体積を対象とする100点満点の当社指標)
詳細図84枚から生成したBIMの数量精度スコア比較(部材数・建物と室の面積・壁と梁の総延長・躯体体積を対象とする100点満点の当社指標)

いずれも100点満点の当社指標です。カスタマイズ前は標準構成、カスタマイズ後はユーザー企業や案件ごとの作図規約や出力ルールを設定した構成を指します(定義は2章)。

最新の汎用生成AIは、IFC再現性スコアで30点、数量精度スコアで20点に届いていません。複数の図面を読み合わせて部材の寸法やつながりを決める必要が生じると、汎用生成AIだけでは建物全体として整合するBIMを構築しにくいことを示しています。

この差は、生成されたBIMそのものにも表れています。同じ詳細図84枚から生成したBIMを並べたものが下の図です。

KKG BIM生成AIのBIMは、間仕切壁・建具・室やカーテンウォールの割付まで再現しています。汎用生成AIのBIMは、ドアがなく間仕切壁も一部にとどまり、外壁とカーテンウォールは1枚の面として生成されています。

同じ詳細図84枚(インプット)から生成したBIM(アウトプット)の比較。左がKKG BIM生成AI、右が汎用生成AI。BIMは3階の床上2.8mで切断し、同じ視点から表示
同じ詳細図84枚(インプット)から生成したBIM(アウトプット)の比較。左がKKG BIM生成AI、右が汎用生成AI。BIMは3階の床上2.8mで切断し、同じ視点から表示

BIM生成AIが構築したBIMでは、壁は表裏のボードまで層ごとに分かれ、梁・床・天井や仕上げとあわせて、材料や厚さの情報を持つ部材として構築されています。

詳細図84枚から生成したBIMの断面(矩計)表示の例。壁の表裏のボード、梁、床、天井と、壁・床の仕上げを、材料と厚さを持つ部材として構築している
詳細図84枚から生成したBIMの断面(矩計)表示の例。壁の表裏のボード、梁、床、天井と、壁・床の仕上げを、材料と厚さを持つ部材として構築している

2. BIM生成AIベンチマークの定義

本ベンチマークは、実務で使う詳細図一式から建物1棟のBIMをどこまで正確に構築できるかを測るものです。

2-1. ベンチマーク対象図面:S造事務所の詳細図84枚(意匠66枚・構造18枚)

  • 対象建物:BLCJ Revit BIM申請サンプルモデル①のS造事務所(地上3階+塔屋)

  • 入力図面:PDF詳細図84枚(意匠図66枚・構造図18枚)。矩計図、間仕切・外壁リスト、建具姿図など、部材の材料層・厚さ・納まりまで記載された図面です

  • 評価範囲:柱・梁などの構造部材を含む全棟

  • 正解データ:同サンプルモデルのIFC。評価用の図面は、このIFCの形状および登録情報を基に整備しました

新ベンチマークの入力図面の例。矩計図、間仕切・外壁リスト、建具姿図など、部材の材料層・厚さ・納まりまで記載された詳細図を読み合わせる
新ベンチマークの入力図面の例。矩計図、間仕切・外壁リスト、建具姿図など、部材の材料層・厚さ・納まりまで記載された詳細図を読み合わせる

2-2. 評価方法:IFC再現性スコアと数量精度スコア

詳細図84枚から生成したBIMを正解IFCと照合し、次の2つの指標(いずれも100点満点・当社指標)で採点します。

IFC再現性スコア:BIMとしての正しさを測ります。生成したBIMの部材を正解IFCの部材と1つずつ対応づけ、図面から特定できる部材・属性・関係が再現されているかを、5つの評価軸と配点比率で集約します。

  • 存在(25%):図面から特定できる部材が、正しい種類と数で生成されているか

  • 形状・寸法(25%):部材の長さ・幅・高さ・面積などが図面と一致しているか

  • 配置(15%):部材の位置・向き・所属する階が正しいか

  • 属性(20%):室名、建具符号、材料・仕上、部材区分などの情報が保持されているか

  • 関係性(15%):壁と開口・建具の対応や、部材と空間のつながりが正しいか

数量精度スコア:積算に使う数量の正しさを測ります。生成したBIMから個数・面積・長さ・体積を集計し、正解の集計値との誤差で採点します。部材を1つずつ照合するIFC再現性スコアと異なり、集計した値が合っているかだけを見るスコアです。

  • 部材数(30%):壁・柱・梁・床・ドア・窓・階段・室の8分類ごとの個数

  • 面積(40%):建築面積、延べ面積、各階の床面積、室面積の合計

  • 長さ・体積(30%):壁の総延長(m)、梁の総延長(m)、壁・柱・梁・床などの躯体体積(㎥)

各項目は、正解に対する誤差が0%のとき満点、誤差が許容幅(面積は25%、個数・長さ・体積は50%)以上のとき0点とし、その間は誤差に比例して減点します。建築面積・延べ面積・各階の床面積は図面に記載された値を、それ以外は正解IFCから集計した値を正解とします。

評価条件

  • KKG BIM生成AI(カスタマイズ前):対象図面で追加学習していない標準の基盤AIに、KKG共通のBIM操作・検証機能を組み合わせた構成です。入力図面の読み取り、モデル構築、原図確認、壁の輪郭・開口・ルーバーなどの自動修正・再評価を経た全棟モデルを評価しました

  • KKG BIM生成AI(カスタマイズ後):上記に、顧客企業様や物件固有の作図規約や出力ルールなどの設定を加えた構成です

  • 汎用生成AI:GPT-6 Pro、Claude Fable 5.2、Gemini 4 Argonが同じ詳細図84枚から生成したBIMを、同じ指標で採点しました

2-3. 補足:前回発表(2026年8月)のベンチマーク定義からの変更点

前回発表(2026年8月6日):2D図面を自動でBIM化する「BIM生成AI」が、最新生成AI比2倍以上の精度を達成

今回は、ベンチマークを実際のBIM業務に近づけるため、前回から定義を変更しました。IFC再現性スコアの5つの評価軸と配点は、前回から引き継いでいます。

項目

前回(2026年8月)

今回

対象建物

RC造庁舎

S造事務所(地上3階+塔屋)

入力図面

計画通知図16枚(意匠図のみ)

PDF詳細図84枚(意匠図66枚・構造図18枚)

評価範囲

意匠の部材

柱・梁などの構造部材を含む全棟

評価指標

IFC再現性スコア

IFC再現性スコア+数量精度スコア

変更の理由は次の3点です。

  • 実務で使うBIMは、計画通知図のような概略の図面ではなく、部材の材料や納まりまで描かれた詳細図から作ります。このため、入力を詳細図に切り替えました

  • 実際のBIM業務では、複数の図面に分散した寸法・属性・部材同士のつながりを読み合わせ、意匠と構造の整合を取る必要があります。この力を測るため、入力を意匠図・構造図あわせて84枚に増やし、評価範囲を構造部材を含む全棟に広げました

  • BIMを積算に使うには、形状の再現に加えて、個数・面積・長さ・体積といった数量が合っている必要があります。このため、数量精度スコアを指標に加えました

なお、対象建物と図面が異なるため、今回のスコアは前回発表のスコアと直接比較できるものではありません。

3. BIM生成AIの強みと活用事例

3-1. BIM生成AIの強み

KKGのBIM生成AIは、汎用の生成AIと独自のBIM生成・検証の仕組みを組み合わせ、意匠図と構造図にまたがる情報を読み合わせて、1棟全体を一つのBIMモデルとして構築します。詳細図からのBIM生成で高い精度を出せる理由は、次の3点です。

複数図面の読み合わせからBIM構築・検証・修正、数量算出およびIFC出力へつなぐBIM生成AIの全体像
複数図面の読み合わせからBIM構築・検証・修正、数量算出およびIFC出力へつなぐBIM生成AIの全体像
  • 部材の意味・属性・関係性を保持する:壁・柱・梁・建具・室を意味を持つ部材として扱い、材料や寸法に加えて「建具がどの壁に取り付くか」といった部材同士の関係まで、確認できるデータとして構造化します

  • 検証機構が自動で点検し、修正を繰り返す:開口をふさぐ壁の残存、扉を開く際の干渉、階段と床の接続、頭上高さ、必要部材の不足などを点検し、検出した問題を生成AIへ返して修正と再検証を繰り返します。修正が必要な箇所と、情報が足りず判断を保留する箇所を整理して提示するため、担当者は最終確認を効率的に行えます

  • 同じBIMから数量算出・IFC出力まで行う:3D表示、数量算出(数量拾い)、IFC出力が共通の部材データを参照し、構築したBIMから個数・面積・長さ・体積を算出して積算に活用できます。生成したBIMの各部材は、根拠となった図面と照らして確認できます

3-2. 活用事例

BIM生成AIの代表的な活用例は次のとおりです。

  • 大手ゼネコン様(新築工事):設計図面をBIM化し、同時に数量拾いを完了。そのBIMを土台に施工BIM・施工図を作成

  • 大手ゼネコン様(リニューアル工事):リニューアル物件で、過去の2D図面をBIM化。改修工事の積算や維持管理計画の策定に活用

  • 大手ゼネコン様(設計変更対応):設計変更のたびに2D図面上の変更点をBIMへ反映。見積と施工計画を、更新したBIMからそのまま作成

  • 大手サブコン様:ゼネコンから受領した意匠・構造図面をBIM化。合わせて自社で作成した設備図をBIM化し、干渉チェック・修正

  • 発注者(デベロッパー・自治体)様:保有施設の2D図面をBIM化。施設ごとの改修計画の検討や維持管理の基礎データとして活用

4. 今後の展望とサービスのご案内

今後は評価対象とする建物の構造種別や用途をさらに広げ、PDF図面からのBIM自動生成、整合性の確認、修正、および数量拾いまでを一連の業務として支える仕組みを磨いてまいります。

BIM生成サービスの詳細:https://kk-generation.com/product/bim-generation/

導入のご相談・デモのお申し込み:https://kk-generation.com/contact/

会社概要

  • 会社名:株式会社KK Generation

  • 代表者:代表取締役 藤田浩之介

  • 所在地:東京都港区高輪2丁目21−2 THE LINK PILLAR 1 SOUTH 9F

  • 設立:2023年5月

  • URL:https://kk-generation.com/

本件に関するお問い合わせ

株式会社KK Generation

担当:CTO 市川航平

E-mail:Contact@kk-generation.com

PR TIMES掲載記事:プレスリリース全文