OpenAI показала модель для САПР: 87,5% в BenchCAD 2.0 против 59,4% у GPT-6 Astra

Если вы когда-нибудь просили языковую модель развести плату, то знаете, чем это обычно заканчивается: схема выглядит аккуратно, а при первом включении что-то пахнет горелым. OpenAI утверждает, что нашла способ это исправить. Пока это именно утверждения компании, но цифры любопытные.

Что именно показали

OpenAI раскрыла первые детали неанонсированной модели, специализированной на инженерных и аппаратных задачах. Её проверяли на BenchCAD 2.0. Этот бенчмарк оценивает, умеет ли ИИ воссоздавать 3D-детали по чертежам, собирать механические узлы и трассировать электрические цепи.

Результат новинки: 0,875 балла, то есть 87,5%. Флагманская GPT-6 Astra на максимальном уровне рассуждений получила 59,4%. Разрыв почти в 28 процентных пунктов. Для сравнения моделей общего назначения и узких специалистов это очень заметная разница.

Почему короткое замыкание шин — это не мелочь

Особенно показателен пример из самого анонса. Предыдущая модель допускала критические ошибки: например, объединяла линии 3,3 В, 5 В и землю в одну сеть.

Для программиста аналог понятен. Представьте, что ассистент в одном коммите сливает продовый и тестовый конфиги и заодно удаляет разделение прав. Код компилируется, ревью выглядит нормально, а проблема вылезает только в бою. В железе цена выше: ошибка означает сгоревшие чипы и недели потерянного времени, а не откат коммита.

Поэтому в САПР и электронике важна не беглость, а строгая проверяемость: каждая цепь на своём месте, каждый размер сходится. Именно на это и нацелена новая модель.

Эксперимент и партнёры

В внутреннем эксперименте инженеры OpenAI за неделю спроектировали физическое устройство для голосового взаимодействия с Codex. ИИ рассчитал корпус и внутреннюю структуру, разработал плату и написал софт. После этого ручная доработка и выпуск первой партии прототипов заняли около месяца.

Эта пропорция говорит о многом. Проектирование сжалось до недели, но дальше всё равно были человек, паяльник и производство. ИИ ускоряет начало цикла, а не отменяет его.

Кроме того, OpenAI тестирует генеративные САПР-решения вне лаборатории:

• с гоночной командой Chip Ganassi Racing ИИ превращает 3D-сканы деталей в редактируемые чертежи;
• вместе с Mazda модель оптимизирует аэродинамику автомобилей через симуляцию воздушных потоков.

Обе задачи вполне приземлённые: восстановить чертёж по физической детали и прогнать варианты формы через симуляцию. Это то, что инженеры обычно делают долго и вручную.

Ограничения

Сначала о том, чего мы не знаем. Название модели и сроки релиза держатся в секрете. API, цены и доступ не объявлены. Цифры BenchCAD 2.0 пока приведены самой компанией, независимой проверки нет. Неясно и то, насколько бенчмарк отражает реальные проекты со сложными ограничениями: сертификацией, поставками компонентов, технологичностью производства.

Месяц ручной доработки после недели ИИ-проектирования тоже стоит читать трезво. Это успех, но не «нажал кнопку и получил продукт».

Что с этим делать

Для основателей аппаратных стартапов вывод простой: следите за релизом и готовьте процессы, где ИИ-черновик проходит жёсткую проверку. Электрические правила (DRC/ERC), симуляция и ревью инженера никуда не исчезают, они становятся главным фильтром.

Для продактов и разработчиков смежных инструментов сигнал важнее: крупные лаборатории идут от текста и кода к физическому миру. Если вы делаете плагины для САПР, библиотеки компонентов или системы верификации схем, этот рынок только что получил очень крупного игрока. Лучше заранее решить, на чём вы будете сильнее универсальной модели: на данных, проверках или интеграции в рабочий процесс.