OpenAI 利用 GPT-6 Astra 和 Codex 加速物理工程
OpenAI 于 2026 年 11 月 3 日发布了一项更新，描述了其模型（包括 GPT-6 Astra 和 Codex）如何帮助工程师设计、模拟和构建物理产品。该文章的主要证据包括一个由 GPT-6 Astra 设计的测试设备、自 2 月以来 OpenAI 硬件团队模型使用量增长了 23 倍，以及与 Chip Ganassi Racing 和 Mazda 开展的新的或扩展的工程合作。
OpenAI 公布了什么
OpenAI 正在分享其模型在帮助工程师设计、模拟和构建物理产品方面的进展。这项工作涵盖了机械工程、电气工程和端到端系统设计。OpenAI 表示，这些能力已经帮助内部团队测试想法并加快了迭代速度。
OpenAI 将这一问题归结为工具碎片化。工程师必须使用专业工具来结合机械设计、电子、软件和制造要求。OpenAI 正在训练模型来支持这项工作，从准备图纸和设置模拟到协调跨学科的变更。其既定目标是让工程师有更多时间探索想法并改进设计。
OpenAI 表示，过去一年中前沿模型能力的提升帮助内部团队测试了新想法并加快了迭代速度，并且它看到了这些能力改善行业专业工作流程的早期证据。OpenAI 正在与合作者共同寻找这些能力在何处能产生最大影响，以及哪些方面需要改进。OpenAI 邀请参与复杂物理产品设计、模拟、制造或生产的工程师、工程公司和软件供应商通过其合作表格与 OpenAI 合作。
一个由 GPT-6 Astra 设计的测试设备
OpenAI 通过观察是否可以在没有任何人工直接编辑的情况下创建设备，测试了 Astra 在多模态和计算机使用工作流程中的最先进性能。该团队使用 GPT-6 来定义功能需求，并为用户可以用来与 Codex 对话的设备设计外壳、印刷电路板和软件集成。
Astra 在四个领域完成了工作：
- 美学与设计： Astra 借鉴了 OpenAI 最近的 Work Louder 合作项目以及游戏和玩具的参考资料，开发了该设备的外观。
- 机械设计： Astra 设计了外壳和固定组件的内部结构。
- 电气设计： Astra 选择了电气组件并设计了 PCB，包括组件放置和连接，以适应外壳内部。
- UI/UX 和软件： Astra 设计了用户界面，并生成了将设备连接到 Codex 所需的固件和软件集成。
两名团队成员在不到一周的时间内利用 Astra 设计了该测试设备，同时将其作为副业项目进行。一家合同制造商在不到一个月的时间内制造了一小批原型机。
制造限制仍然是一个差距
OpenAI 指出，使测试设备为制造做好准备仍然需要多轮审查和迭代。Astra 并未始终考虑到制造商的生产限制、公差或组装所需的细节。OpenAI 表示，这些差距正在帮助它确定未来模型需要改进的地方。
这一限定条件很重要：该演示是一个原型工作流程，而不是从概念到生产的完全自主路径。人工和制造审查仍然是必要的。
OpenAI 硬件团队与 23 倍的使用量增长
OpenAI 的硬件和基础设施团队使用 Codex 和 ChatGPT 来创建和修改计算机辅助设计模型、准备制造图纸、设置模拟并审查设计。这项工作涵盖了机器人技术和计算基础设施。自 2 月以来，OpenAI 硬件团队的模型使用量（以 token 衡量）增长了 23 倍。
这个数字是一个使用指标，而不是生产力基准。OpenAI 将其作为其内部硬件工作中采用该技术的证据，而不是证明每一项工程任务都变得更快。
BenchCAD 2.0 结果
OpenAI 正在衡量结合编码与工程知识的任务进展。BenchCAD 2.0 测试模型是否能够重建 3D 零件和装配体，并识别电路板中的连接。一个较新的内部模型在 BenchCAD 2.0 上获得了 0.875 的平均分，而 GPT-6 Astra 在其最高推理设置下得分为 0.594。
OpenAI 指出，工程生命周期除了设计之外还包含许多其他要素。OpenAI 将该基准测试的改进视为 AI 模型可以对专业工作流程中的迭代速度产生积极影响的早期证据。
内部模型与 GPT-6 Astra 在此基准测试上的差异是巨大的。这表明工程特定能力仍在提高，且该基准测试尚不能完全衡量工程能力。
行业合作：Chip Ganassi Racing 和 Mazda
OpenAI 正在扩大与 Chip Ganassi Racing 的合作，以探索 OpenAI 模型如何加速工程和原型设计。通过与 Chip Ganassi Racing 的研发团队合作，OpenAI 正在测试将现有零件的 3D 扫描转换为可编辑 CAD 模型和 2D 制造图纸的工作流程。当原始设计文件不可用时，这尤其有用。
Chip Ganassi Racing 的工程师会审查模型和图纸的准确性和可制造性。他们的反馈有助于 OpenAI 确定模型在哪些方面可以减少手动工作，以及哪些方面需要进一步改进。
OpenAI 还宣布与 Mazda 建立新的研究合作。OpenAI 的研究和前沿部署工程团队正在与 Mazda 的空气动力学和碰撞安全工程师合作，探索 OpenAI 模型如何帮助开发和评估新的车辆设计。
Mazda 的工作利用气流和结构行为模拟来探索性能改进，同时考虑造型和成本。OpenAI 表示将在未来几个月分享更多进展和结果。
在 OpenAI 描述的空气动力学工作中，GPT-6 Astra 通过建模新的车头形状、模拟气流并优化最有希望的设计，帮助 Mazda 的空气动力学工程师探索减少车辆阻力的方法。
人工审查与安全部署
OpenAI 正在与一小群行业合作者合作，在实际工程问题上测试这些能力。他们的工程师会审查模型输出的准确性和实际用途。这种审查有助于 OpenAI 了解模型目前可以支持哪些任务，以及为了安全可靠地使用，哪些方面需要改进。
这些合作将人类工程师置于审查角色。Chip Ganassi Racing 的工程师检查模型和图纸的准确性和可制造性。Mazda 的工程师与 OpenAI 合作进行车辆设计评估。OpenAI 将这种结构描述为一种了解有用任务和剩余差距的方法。
工程师如何进行合作
OpenAI 表示，它一直与行业合作伙伴和早期采用者密切合作，以拓展 AI 代理在硬件和制造领域的能力边界。OpenAI 表示，早期结果显示出前景，它正在寻找合作者以加速能力提升并确保安全部署到行业中。
OpenAI 邀请有兴趣通过确定高价值用例、软件工具或机械工程、电气工程、机电设计、机电一体化或相关领域的未来机会来塑造其前沿模型训练和开发的人员填写其合作表格。
这意味着什么
OpenAI 的文章将 AI 工程代理定位为现有工程工作流程中的助手，而不是工程审查的替代品。文章中最有力的证据是使用 GPT-6 Astra 在不到一周内设计的测试设备，以及 OpenAI 硬件团队中 token 使用量的 23 倍增长。最明显的局限性也已说明：Astra 并未始终考虑到生产限制、公差和组装细节，且制造仍然需要多轮审查和迭代。
BenchCAD 2.0 的结果显示了在设计相关任务上的可衡量进展，但 OpenAI 本身将这些结果视为早期证据，而非工程能力的完整衡量标准。Chip Ganassi Racing 和 Mazda 的合作旨在通过实践工程师审查输出来测试现实世界的实用性和安全性。