- 硬件团队用量
- 23 倍
- 内部新模型均分
- 0.875
- Astra 高推理档
- 0.594
- 试验设备设计用时
- 不到一周
OpenAI 11 月 3 日把模型用到机械、电气和整机设计上。内部硬件团队和基础设施团队已经用 Codex 与 ChatGPT 改三维模型、准备加工图纸、搭仿真，并做设计复查。范围包括机器人和算力设施。自 2 月起，硬件团队的模型用量按 token 计增至原来的 23 倍。
试验想看人不直接改图时，模型能不能把设计做出来。两名成员用业余时间，不到一周走完这一轮。功能要求由 GPT-6 定下。Astra 交出外壳、内部结构和印制电路板，并生成能连上 Codex 的界面与固件。
- 内部新模型0.875
- GPT-6 Astra0.594
数据来源：OpenAI 官网说明
代工厂在一个月内做出一小批原型。要把东西交到工厂，仍得来回改几轮。模型没有稳定顾及产能上限、公差和装配所需要的细节。
BenchCAD 2.0 测的是另一件事。模型要还原三维零件和装配，并指出电路板上的连接。一个更新的内部模型平均得分 0.875。对照是 GPT-6 Astra 开到最高推理档时的 0.594。
公司把分数看成设计迭代变快的早期迹象，并说明工程周期里还有设计以外的环节。和 Chip Ganassi Racing 的研发团队扩大了既有合作。试着把已有零件的三维扫描变成可编辑的 CAD 和二维加工图，用在原始设计文件缺失的时候。车队工程师负责核对精度和能不能做出来。
和马自达新开的研究合作，对象是空气动力学和碰撞安全工程师。两边用气流仿真和结构仿真看性能，同时把造型和成本算进去。GPT-6 Astra 会帮马自达试不同的车头形状。试验、分数和两项合作都在同一则官网说明里，进一步结果尚未另文公布。
对国产加速卡的采购，图纸变快并不改验收。公差、装配和工厂限制仍然要人看，集群合同里的软件栈、到货和实测也不会跟着一张 CAD 放宽。OpenAI 没有给出可购买的设计产品，也没有说明这些工作跑在哪一代加速卡上。
