
OpenAI:用 Codex/Astra 加速物理世界工程,硬件团队 token 用量自 2 月起增 23 倍
工程硬件CodexAstraBenchCADCADPCB固件
一句话结论
OpenAI 展示 Astra 在无人工直接编辑下完成 Codex 对话设备的外观、机械壳、PCB 与固件设计,两人副业不到一周出设计、代工厂不到一月小批量;硬件团队自 2 月起 token 用量增约 23 倍,内部 BenchCAD 2.0 新模型均分约 0.875,高于 GPT-6 Astra 最高推理约 0.594。
打开原文
OpenAI:Accelerating engineering for the physical world
背景与理念
软件里的编码助手经验,正在被搬到外观、机械、电路与固件一起改的物理产品流程。文章强调模型可以大幅加速草稿与迭代,但制造公差与可生产性仍需要多轮人工审查。
具体做法
- Astra 在无人工直接编辑的设定下,完成一台 Codex 对话设备的外观、机械外壳、PCB 与固件设计。两人副业不到一周完成设计,代工厂不到一个月做出小批量。
- 硬件团队从 2 月起显著加大模型用量,并用内部评测 BenchCAD 跟踪 CAD 相关能力。
- 对外合作包括 Chip Ganassi Racing 把 3D 扫描转为可编辑 CAD,以及与 Mazda 在气动与碰撞方向的合作。制造公差等关键环节仍保留多轮人审。
关键数据/例子
硬件团队自 2 月起 token 用量增加约 23 倍。BenchCAD 2.0 上,新内部模型均分约 0.875,而 GPT-6 Astra 最高推理得分约 0.594;设备案例里,从设计到代工小批量大约是「不到一周 + 不到一个月」的节奏。
创新点
第一,把「无人工直接编辑」的端到端硬件草稿当作可公开演示的能力边界,同时坦白公差仍需人审。第二,用 BenchCAD 这类内部 CAD 基准把硬件侧模型进步量化,而不是只晒渲染图。
可否复用
- 硬件试点先限定「草稿加速」范围,把公差、可制造性、认证明确留在人审清单。
- 为 CAD/PCB/固件分别建小基准,避免只用通用聊天分代表硬件能力。
- 扫描件转可编辑 CAD、气动/碰撞仿真这类有地面真值的任务,更适合做对照评测。