Eksperimen ini bermula dari rasa penasaran sederhana: bagaimana jika dua model AI terdepan saat ini, Claude dan GPT-5.5, diminta merancang objek cetak 3D menggunakan OpenSCAD? Hasilnya, menurut pengujian yang dilakukan oleh seorang penggemar cetak 3D dan dibagikan di forum teknologi, menunjukkan bahwa kedua AI tersebut gagal total — namun dengan cara yang sangat berbeda.
Claude menghasilkan model yang tampak memukau secara visual. Dimensi terlihat rapi di preview, dan bentuknya mendekati apa yang diminta. Namun begitu kode OpenSCAD-nya diperiksa, ketidakvalidan geometris langsung terlihat.
Model buatan Claude memiliki masalah fundamental: permukaan yang tidak tertutup rapat, tepi yang tidak terhubung dengan benar, dan dimensi yang tidak konsisten. Secara teknis, objek itu tidak bisa dicetak karena printer 3D tidak akan bisa membaca geometri yang cacat.
Kegagalan Claude bersifat struktural. Ia bisa membuat sesuatu yang terlihat benar, tapi secara matematis tidak masuk akal.
Di sisi berlawanan, GPT-5.5 justru menghasilkan kode OpenSCAD yang bersih dan valid secara geometris. Tidak ada celah, tidak ada permukaan yang salah sambung. Semua perintah ditulis dengan benar.
Masalahnya? Model yang dihasilkan sama sekali tidak menyerupai apa yang diminta. GPT-5.5 memahami sintaksis OpenSCAD dengan baik, tapi gagal memahami apa yang seharusnya dibuat. Objek yang keluar dari kodenya adalah bentuk abstrak yang tidak sesuai deskripsi awal.
Ini kegagalan semantik. Kode benar, eksekusi salah.
Eksperimen ini mengungkap kelemahan mendasar model bahasa besar (LLM) dalam tugas rekayasa presisi. Claude unggul dalam memahami maksud pengguna — ia tahu bentuk apa yang diinginkan — tapi gagal menerjemahkannya ke dalam instruksi mesin yang valid. GPT-5.5 sebaliknya: ia menguasai sintaksis teknis, tapi kehilangan konteks apa yang sebenarnya diminta.
Fenomena ini bukan sekadar anekdot. Alat konversi teks-ke-3D yang beredar selama beberapa tahun terakhir sering menghasilkan model yang tampak bagus di preview, tapi secara geometris tidak valid saat dicek lebih dalam. Masalah dimensi yang tidak presisi, ketidakmampuan diedit, dan objek yang secara geometris cacat adalah keluhan umum.
Bagi pengguna Indonesia yang mulai bereksperimen dengan AI untuk desain produk, prototyping, atau bahkan hobi cetak 3D, hasil ini jadi pengingat penting. Jangan percaya begitu saja pada output visual AI — selalu validasi kode, periksa geometri, dan uji coba di simulator sebelum mengirim ke printer.
Kedua model ini, meski canggih dalam banyak tugas bahasa dan kode, masih memiliki titik buta yang serius dalam rekayasa presisi. Claude butuh disiplin geometris yang lebih ketat. GPT-5.5 butuh pemahaman konteks yang lebih dalam.
Sampai kedua kelemahan ini diperbaiki, desainer 3D — baik profesional maupun hobiis — sebaiknya tetap mengandalkan keahlian manual mereka. AI bisa membantu, tapi belum bisa mengambil alih.