11 月 3 日，OpenAI 发布《Accelerating engineering for the physical world》，介绍其模型在机械设计、电子设计和仿真上的进展。两名员工用 GPT-6 Astra 在不到一周内设计出一台用来和 Codex 对话的设备（外壳、PCB、固件和软件），合同制造商不到一个月做出小批量原型，但量产前仍需多轮人工评审。OpenAI 硬件团队的模型 token 用量自 2 月以来增长 23 倍；在 BenchCAD 2.0 上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 最高推理档为 0.594（官方口径）。OpenAI 还扩大与 Chip Ganassi Racing 的合作，并宣布与 Mazda 开展新的研究合作。
核心要点速览
- ✓GPT-6 Astra 在「无人工直接编辑」的测试里完成外观、外壳结构、元器件选型与 PCB 布局、UI 和固件；两名员工业余时间不到一周完成设计，原型不到一个月做出，见 OpenAI 博客。
- ✓官方承认短板：Astra 没有稳定考虑制造商的产能限制、公差和装配细节，量产前仍需多轮评审迭代。
- ✓OpenAI 硬件与基础设施团队用 Codex/ChatGPT 做 CAD 建模、2D 工程图、仿真与 FEA、设计评审，token 用量自 2 月起增长 23 倍（官方口径）。
- ✓BenchCAD 2.0（重建 3D 零件与装配体、识别电路板连接）：更新的内部模型 0.875，GPT-6 Astra 最高推理档 0.594（官方口径，内部模型未命名、未发布）。
- ✓合作方：Chip Ganassi Racing 测试把 3D 扫描转成可编辑 CAD 和 2D 图纸；Mazda 与 OpenAI 研究团队用气流和结构仿真探索车型设计，结果「未来几个月」公布。
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
硬件开发要把机械结构、电子电路、软件和制造约束放在一起反复协调，每个环节都依赖 CAD、ECAD、仿真等专业工具，人工切换和返工占了大量时间。AI 编程工具过去主要停留在纯软件领域。11 月 3 日，OpenAI 发布博客《Accelerating engineering for the physical world》，并在官方 X 账号发帖说「ChatGPT 和 Codex 正在帮助工程师为物理世界做设计」，公开了模型在机械设计、电子设计和仿真上的进展。
架构亮点与底层机制
OpenAI 做了一个测试：在没有人工直接编辑的前提下，用 GPT-6 Astra 定义需求，并设计一台用来和 Codex 对话的设备。Astra 负责外观、外壳和内部固定结构、元器件选型与 PCB 布局、用户界面，以及连接 Codex 的固件和软件。两名员工把它当业余项目，在不到一周内完成设计，合同制造商不到一个月做出小批量原型。官方也写明短板：Astra 没有稳定考虑制造商的产能限制、公差和装配细节，量产准备仍需多轮评审和迭代。内部方面，OpenAI 的硬件和基础设施团队（涵盖机器人和算力基础设施）用 Codex 和 ChatGPT 做 CAD 建模、出 2D 工程图、设置仿真和有限元分析、做设计评审。
权威 Benchmark 与实测跑分对比
以下均为 OpenAI 官方口径。自 2 月以来，硬件团队的模型 token 用量增长 23 倍。在 BenchCAD 2.0（测试重建 3D 零件和装配体、识别电路板连接）上，一个更新的内部模型平均得分 0.875，GPT-6 Astra 在最高推理档为 0.594。这个内部模型没有命名，也没有公布发布时间；官方没有给出与其他厂商模型的对比。
开发者实战落地与开箱指南
合作方面，OpenAI 扩大了与 Chip Ganassi Racing 的合作，测试把现有零件的 3D 扫描转成可编辑 CAD 模型和 2D 制造图纸，适合原始设计文件缺失的情况；并宣布与 Mazda 开展新的研究合作，用气流和结构仿真探索新车型设计，结果将在未来几个月公布。对硬件或嵌入式开发者来说，现在就能做的是在 Codex 里用代码驱动的 CAD（如脚本化建模）和固件开发，把模型输出当草稿，公差、可制造性和装配仍由工程师把关。OpenAI 也在征集机械、电子、机电一体化方向的工程师和软件厂商参与合作。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察