Taiga-S1 для FreeCAD — это компактная модель на 1,2 млн параметров, которая выбирает команды CAD-системы примерно за 1 мс. Разработчик Шив Шанмугам показал подход, где нейросеть не смотрит на экран, не гоняет большую языковую модель и не пытается «понимать интерфейс глазами», сообщает Habr / Новости. Для разработчиков и команд, которые автоматизируют инженерные процессы, это интересный сигнал: не каждый AI-агент обязан быть огромным и дорогим.
Taiga-S1 предназначена для управления FreeCAD при создании 3D-деталей. Модель получает не свободный текст от пользователя, а уже подготовленный структурированный список операций от внешнего планировщика. Дальше она решает, какую команду FreeCAD нужно применить на конкретном шаге: создать эскиз, выполнить выдавливание, добавить отверстие, снять фаску и так далее. То есть Taiga-S1 работает не как универсальный собеседник, а как быстрый исполнитель внутри более крупной системы.
Главная деталь здесь — разделение ролей. Планировщик отвечает за общий замысел детали и последовательность действий. Taiga-S1 для FreeCAD отвечает за выбор допустимой команды с учетом текущего состояния объекта. Числовые параметры модель не придумывает: размеры, координаты и другие значения приходят из исходного задания. Это снижает риск типичной для генеративных систем самодеятельности, когда модель уверенно выдает красивую, но технически бесполезную фантазию.
По архитектуре Taiga-S1 — трехслойный трансформер. По масштабу это почти антипод больших языковых моделей: всего 1,2 млн параметров. Зато такой размер дает практичное преимущество — быстрый отклик. По данным автора, решение принимается примерно за миллисекунду. Для интерактивной CAD-автоматизации это важнее, чем способность написать эссе о промышленном дизайне в стиле консультанта с конференции.
Модель обучали с нуля на 25 тыс. синтетических сессий моделирования. В этих сессиях было около 590 тыс. отдельных решений. После базового обучения Шанмугам добавил еще два этапа дообучения: Taiga-S1 сама управляла FreeCAD, ошибалась, а программный учитель исправлял ее действия. Затем такие примеры попадали обратно в обучающую выборку. Получается близкий к практическому цикл: не просто «посмотрели датасет», а погоняли модель в среде, где ошибка сразу видна.
Результаты тестов выглядят бодро, хотя их стоит читать аккуратно: это данные автора, а не независимый бенчмарк индустрии. В заданиях с 11 элементами Taiga-S1 справилась со 100% случаев. Для каждого такого задания требовалось 55 действий, при том что во время обучения модель видела последовательности максимум с пятью элементами. На заданиях с 17 элементами результат снизился до 95%, что все равно показывает способность переносить навык на более длинные цепочки действий.
Интересный контекст — мода на «агентов», которые управляют приложениями через скриншоты, клики и компьютерное зрение. Такой подход универсален, но часто дорог, медленен и хрупок: интерфейс поменялся, кнопка переехала, локализация другая — и агент начинает вести себя как стажер в первый день, только без возможности смутиться. Taiga-S1 идет по другому пути: она работает через состояние объекта и команды CAD-системы. Меньше театра, больше инженерной механики.
Для разработчиков это напоминание, что хороший AI-инструмент не всегда строится вокруг большой модели. Иногда эффективнее собрать систему из узких компонентов: один планирует, второй выбирает команды, третий проверяет результат. В CAD/CAM это особенно логично, потому что предметная область хорошо структурирована: есть операции, ограничения, геометрия, история построения. Здесь модель может быть маленькой, если ей не поручают одновременно понимать все на свете.
Для бизнеса и инженерных команд потенциальная ценность лежит не в замене конструктора одним нажатием кнопки. Скорее речь о рутинных цепочках: генерация типовых деталей, автоматизация вариантов, проверка последовательностей построения, подготовка черновых моделей для дальнейшей ручной доработки. Если такой слой работает быстро и предсказуемо, его можно встроить в пайплайны без ощущения, что каждая операция уходит на переговоры с облачной моделью.
Код Taiga-S1 опубликован на GitHub под лицензией MIT, веса доступны на Hugging Face. Это важный плюс для сообщества: разработчики смогут не только посмотреть на демо, но и разобрать реализацию, повторить эксперименты или адаптировать идею под собственные CAD-сценарии. Для русскоязычных команд, которые используют FreeCAD или строят внутренние инженерные инструменты, Taiga-S1 для FreeCAD выглядит как повод проверить, где маленькая специализированная модель окажется полезнее универсального AI-комбайна.
Главный вопрос теперь не в том, сможет ли компактная модель выполнить красивый тестовый сценарий, а в том, как она поведет себя на грязных реальных задачах: неполных требованиях, нестандартных деталях, ошибках в параметрах и чужих моделях с долгой историей правок. Если подход выдержит такую среду, CAD-автоматизация может получить не громкого ассистента, а быстрый технический слой, который просто делает свою работу.
