OpenAI presenta un modelo para CAD: 87,5 % en BenchCAD 2.0 frente al 59,4 % de GPT-6 Astra

Si alguna vez le has pedido a un modelo de lenguaje que trace una placa, sabes cómo suele acabar: el esquema se ve ordenado, y al primer encendido algo huele a quemado. OpenAI afirma haber encontrado la forma de arreglarlo. Por ahora son afirmaciones de la propia empresa, pero las cifras resultan curiosas.

Qué se mostró exactamente

OpenAI ha revelado los primeros detalles de un modelo no anunciado, especializado en tareas de ingeniería y hardware. Se evaluó con BenchCAD 2.0. Este benchmark mide si una IA sabe recrear piezas 3D a partir de planos, ensamblar conjuntos mecánicos y trazar circuitos eléctricos.

Resultado del nuevo modelo: 0,875 puntos, es decir, 87,5 %. El modelo insignia GPT-6 Astra, con el máximo nivel de razonamiento, obtuvo un 59,4 %. Una brecha de casi 28 puntos porcentuales. Al comparar modelos generalistas con especialistas, es una diferencia muy notable.

Por qué un cortocircuito en las líneas de alimentación no es un detalle menor

El ejemplo del propio anuncio es especialmente revelador. El modelo anterior cometía errores críticos: por ejemplo, fusionaba las líneas de 3,3 V, 5 V y tierra en una sola red.

Para un programador la analogía es clara. Imagina que un asistente, en un solo commit, mezcla las configuraciones de producción y de pruebas y además elimina la separación de permisos. El código compila, la revisión parece correcta y el problema solo aparece en producción. En hardware el precio es mayor: el error significa chips quemados y semanas perdidas, no una reversión de commit.

Por eso en CAD y electrónica importa no la fluidez, sino la verificabilidad estricta: cada red en su sitio, cada medida cuadra. Justamente a eso apunta el nuevo modelo.

El experimento y los socios

En un experimento interno, los ingenieros de OpenAI diseñaron en una semana un dispositivo físico para la interacción por voz con Codex. La IA calculó la carcasa y la estructura interna, diseñó la placa y escribió el software. Después, el ajuste manual y la fabricación del primer lote de prototipos llevaron cerca de un mes.

Esta proporción dice mucho. El diseño se redujo a una semana, pero después seguían haciendo falta una persona, un soldador y la producción. La IA acelera el inicio del ciclo, no lo elimina.

Además, OpenAI prueba soluciones CAD generativas fuera del laboratorio:

• con el equipo de carreras Chip Ganassi Racing, la IA convierte escaneos 3D de piezas en planos editables;
• junto con Mazda, el modelo optimiza la aerodinámica de los coches mediante simulación de flujos de aire.

Ambas tareas son bastante terrenales: reconstruir un plano a partir de una pieza física y probar variantes de forma en simulación. Es lo que los ingenieros suelen hacer despacio y a mano.

Limitaciones

Primero, lo que no sabemos. El nombre del modelo y la fecha de lanzamiento se mantienen en secreto. No se han anunciado API, precios ni acceso. Las cifras de BenchCAD 2.0 las da la propia empresa y no hay verificación independiente. Tampoco está claro hasta qué punto el benchmark refleja proyectos reales con restricciones complejas: certificación, suministro de componentes, fabricabilidad.

El mes de ajuste manual tras una semana de diseño con IA también debe leerse con sobriedad. Es un éxito, pero no «pulsar un botón y obtener un producto».

Qué hacer con esto

Para los fundadores de startups de hardware la conclusión es simple: seguir el lanzamiento y preparar procesos en los que el borrador de la IA pase una verificación estricta. Las reglas eléctricas (DRC/ERC), la simulación y la revisión de un ingeniero no desaparecen; se convierten en el filtro principal.

Para product managers y desarrolladores de herramientas afines, la señal es más importante: los grandes laboratorios pasan del texto y el código al mundo físico. Si haces plugins para CAD, bibliotecas de componentes o sistemas de verificación de esquemas, este mercado acaba de ganar un jugador enorme. Conviene decidir de antemano en qué serás más fuerte que un modelo universal: en datos, verificaciones o integración en el flujo de trabajo.