GPT-6 Astra 一周设计出硬件：BenchCAD 得分 0.594

OpenAI 让 GPT-6 Astra 从零设计了一台能与 Codex 对话的设备，设计耗时不到一周，合同制造商不到一个月做出小批原型。一句话结论：Astra 已经能端到端承接外观、机械、电气、软件四层硬件设计，但它 0.594 的 BenchCAD 2.0 成绩与未公开内部模型的 0.875 之间，划出了它目前真实的能力边界。

这次实验的特别之处不在于速度，而在于题目被限定得很死。OpenAI 的硬件团队想验证的是，在没有任何人直接修改设计成果的前提下，一个模型能不能独自完成一台真实设备的全部设计工作。这比生成一张产品渲染图要难得多，因为外壳改了电路板可能要跟着变，零件位置变了内部固定结构又要重新检查，这些互相牵制的关系必须由同一个模型自己消化。

Astra 承担的四层设计任务

两名 OpenAI 团队成员把这个测试设备当成业余项目，成果被拆成外观、机械、电气、UI 与软件四个部分，全部由 Astra 主导。

这个分工的细节值得留意。GPT-6 负责定义功能需求，Astra 负责把需求翻译成四条平行的设计线索，外观、结构、电路、界面同时推进，任何一条线的变动都可能牵动其他三条。官方演示里可以直接看到 PCB 布线界面、外壳与电路配合的实拍，设备原型亮屏的画面也是真实存在的，不是渲染图。

不到一周设计，一个月出原型

时间线是整个案例最抓眼的部分。设计阶段耗时不到一周，合同制造商随后用不到一个月做出了一小批原型机。要把原型推到可投产状态，仍然经历了多轮审查和修改。

这两组数字经常被混着说，但它们描述的是完全不同的环节。不到一周是设计，不是量产；不到一个月是原型，不是交付。官方在描述这个案例时措辞相当克制，提到多轮审查与迭代，却没有给出精确的轮次。同样欠缺的是人的投入细节，两个人具体花了多少小时，模型做了多少次尝试，哪些意见来自工厂，都没能从公开信息里拆出来。官方帖子的评论里也有人直接要求看到完整的迭代日志与人工修改记录，目前没有下文。

从流程角度看，一个反直觉的事实是，商业合同制造商参与这个案例时面对的不是常规的外包图纸。Astra 交出的初版设计在工程审查环节被挑出多处可制造性问题，暴露的是公差、装配细节和产线约束这类隐性知识。这类知识通常沉淀在资深工程师的经验里，不写在任何规范文档中，模型要真正跨过这一关，需要的是从大量失败样本中提炼判断，而不是更多的规范文本。

BenchCAD 2.0：0.594 与 0.875 的距离

OpenAI 随这次案例公布了工程任务评测 BenchCAD 2.0 的成绩。这套评测主要考两件事，模型能否重建三维零件与装配体，能否识别电路板中的连接关系。

同一款模型家族的更早版本可以参考 GPT-6.1 Terra 的终端基准成绩，那次发布把 API 价格砍到 1 美元。
这里有两个陷阱。第一个是分数不能当成硬件设计的成功率，0.594 与 0.875 都是 BenchCAD 2.0 定义任务的平均评测分，既不是装配成功率也不是任务完成率。第二个更关键，OpenAI 同时给出了横轴为相对成本代理的对数刻度对照图，高分那一端属于未公开的内部模型，而不是 Astra。Anthropic 之前也用过同样的手法展示 Claude Opus 5.5 在 105 个基准上通过率只有 45.6%，两者提醒的是同一件事，榜单分数需要结合评测基准本身的设计来看。

BenchCAD 官方说明划定的范围也值得记住，该评测不覆盖可制造性与物理性能。几何形状、零件位置、电路连接做得好，并不能顺带证明成品耐用、好装或者能交付生产。OpenAI 自己也把 BenchCAD 2.0 上的提升称为早期证据，指向模型对专业工作流迭代速度的积极影响，而不是生产就绪的结论。这组新成绩由 OpenAI 披露，尚无独立复测。

已经跑起来的两个真实用例

相比一句普通的造硬件演示，OpenAI 这篇文章里有两个已经在运转的落地场景更能说明问题。

第一个是赛车团队 Chip Ganassi Racing。他们的做法是把旧零件的三维扫描数据转成可编辑的 CAD 模型，再生成二维制造图。这条路径的价值在于原始设计文件已经不可用的时候，扫描数据通常是唯一剩下的起点。团队工程师 Matthew Ortman 提到，这个模型有助于直接从原始扫描数据形成实体几何体，工程师可以在 CAD 中直接使用 Codex，反馈能被模型直接应用，也能手动微调，整体变成了更少人工介入的流程。工程师仍然负责审查准确性与可制造性，人工审核这一环没有消失。

第二个是整车厂 Mazda。OpenAI 的研究与前线部署工程团队与 Mazda 的空气动力学工程师和碰撞安全工程师合作，探索用模型辅助开发与评估新车型。GPT-6 Astra 在 Codex 里帮助空气动力学工程师建模新的车头形状、模拟气流、优化候选设计，工程师可以一次探索数十种设计变化，判断哪些特征真正影响空气动力学，以及造型设计师还剩多少自由空间。文章同时提到结构行为仿真，兼顾造型与成本两个维度。OpenAI 已取得 Mazda Motor Corporation 的使用许可，相关结果会在未来几个月公布。

这两件事的共同点在于它们都嵌进已有的工程流程里替代重复劳动，并未从零造设备。硬件生成式 AI 的现实入口，看起来比演示视频里更朴素。这也解释了为什么 Meta Max 人形机器人 48 公斤原型与 小米 HachimoDock 这类桌面硬件更贴近可用的形态，重量、成本与产线约束先于设计能力划定了产品边界。

内部工程团队的用量增长 23 倍

比单次演示更能说明趋势的是 OpenAI 硬件和基础设施团队自己的使用强度。自 2026 年 2 月以来，该团队按 token 衡量的模型使用量增长了 23 倍。这支团队用 Codex 和 ChatGPT 做的事情覆盖了创建和修改 CAD 模型、制作制造工程图、搭建仿真环境以及审查设计，工作范围涉及机器人和计算基础设施。

这条用量曲线的另一侧是编程能力的普及，MIT 权重空间编程里 GPT-6 Astra 直接改写 Qwen 权重是同一代模型能力外溢的另一个证据。
具体到不同专业，OpenAI 描述了几类高频场景。在 CAD 里迭代，把三维设计转成生产就绪的二维图纸，减少设置仿真和有限元分析所需的手工工作。在系统硬件设计里，整理跨职能设计约束、探索系统架构、在不同 ECAD 环境中执行工作、进行设计审查。在建筑与 BIM 领域，自动化重复建模任务，检查图纸和规格说明之间的信息一致性，协调不同专业之间的变更，把协调问题转成清晰可执行的问题。所有这些场景里，工程师、建筑师和 BIM 专业人员仍然需要审查和验证输出结果。

值得说明的是，OpenAI 并没有披露使用的具体软件供应商，文章中只出现 CAD、ECAD、PCB、有限元分析、气流仿真、结构行为仿真、三维扫描、二维制造图纸、Gerber 文件这些通用工作对象，因此不能据此确认接入的是哪一家商业工具链。从电路板概念推进到 Gerber 文件的表述，出自 OpenAI 技术人员 Qiong Wang 的引语，描述的是跨工具工作流的目标。

模型做不了什么：三类工程约束

OpenAI 明确写下了 Astra 的短板，而且写得很具体。第一是合同制造商的生产能力限制，模型没有稳定考虑。第二是制造公差，图纸上刚好能插进去的零件，做出来的两件未必还能顺利装上。第三是装配细节，包括产线实际操作中那些不在图纸上的判断。这三条呈系统性缺口，可重复出现，与随机误差的性质完全不同。

制造侧的能力门槛在另一条线上被同样强调，Hi3D V1.0 的 90% 切片成功率说明把设计几何变成可打印实体的最后一步同样存在失败率。
这也解释了为什么原型之后还需要多轮审查和迭代。设计文件、工厂能做的零件、最后能装好的整机，中间横着工程检查这道关口。AI 能压缩的是从想法到可评审设计稿的时间，压缩不了从设计稿到可交付产线的那一段。

OpenAI 给出的下一步方向是让模型更好理解制造限制、公差与装配细节，并在真实工程问题上与产业伙伴合作测试，由专业工程师持续审查模型输出。公司同时在寻找机械工程、电气工程、机电设计方向的合作伙伴，一起识别高价值用例与软件工具。评估侧则继续依赖 BenchCAD 这类基准衡量编程与工程知识的结合能力。

常见问题

GPT-6 Astra 是自己造出这台设备的吗？不是。官方原文写的是两名团队成员与 Astra 协作，把它作为业余项目在不到一周内完成设计。制造准备阶段同样经历了多轮人工审查和修改。把它读成 AI 独自完成硬件设计，是最常见的误读。

0.875 分是 Astra 的成绩吗？不是。0.875 属于 OpenAI 一款未公开名称的内部新模型，GPT-6 Astra 在最高推理设置下是 0.594。两者相差 0.281，内部模型约为 Astra 的 1.47 倍。

普通开发者能复现吗？短期内不能。完整案例依赖 OpenAI 内部的硬件与基础设施团队、合同制造商、以及两个多月的原型生产周期，官方也没有提供低成本复现教程。真正对开发者开放的是底层能力，Codex 在 CAD 与 ECAD 环境中的迭代、扫描数据转可编辑模型、批量生成二维制造图这类工作流，现在就可以在自己手上的工程文件里试。

小结

这次实验的价值在于把硬件设计从多个孤立环节变成一条模型贯穿的流水线，外观、结构、电路、界面由同一个模型协同推进，产出可以直接交给工厂做原型。同时它诚实地划出了边界，0.594 对 0.875 的差距、公差与装配细节的失手、多轮人工审查的现实，共同说明当前的 AI 压缩的是设计迭代时间，而不是工程责任。谁能更早把制造约束写进模型的判断里，谁才更接近可交付的硬件生成式 AI。

相关阅读

• GPT-6.1 Terra 发布：50.3 分终端基准，API 砍到 1 美元
• MIT 权重空间编程：0.016% 权重让 Qwen 数学分 7.9% 冲到 48.1%
• 小米开源 AI 硬件 HachimoDock：150 元复刻桌面智能体
• Hi3D V1.0 开源：1536 立方几何细化与 90% 切片成功率