OpenAI: GPT-6 Astra за неделю спроектировал железку для Codex целиком сам

Железо считалось последним бастионом, куда ИИ заходит неохотно: слишком много физики, допусков и подрядчиков. OpenAI заявляет, что этот бастион дал трещину. По словам компании, её хардверная команда поручила GPT-6 Astra спроектировать устройство, через которое можно разговаривать с кодинг-агентом Codex, и уложилась меньше чем в неделю. Причём как побочный проект, не основную задачу.

Что именно сделала модель

По данным OpenAI, Astra прошла весь путь сама. Она спроектировала корпус, выбрала компоненты, развела дорожки на печатной плате, написала прошивку и интерфейс. Раньше эти этапы делали разные специалисты: механик, схемотехник, разработчик embedded-софта. Теперь один агент держит всё в голове сразу и согласует решения между слоями. Например, если плата получилась на пару миллиметров шире, корпус подгоняется под неё без переписки между людьми.

Дальше в дело вступил контрактный производитель. Малую партию прототипов он выпустил меньше чем за месяц. Для сравнения: классический цикл от идеи до первых рабочих образцов у стартапов обычно занимает кварталы.

Где модель споткнулась

Важная деталь, которую легко пропустить: потребовалось несколько раундов правок. Astra не всегда учитывала производственные ограничения, допуски и тонкости сборки. Это та самая разница между «рисунок корректен» и «деталь можно отлить, напечатать и собрать руками». Модель хорошо работает с цифровой геометрией, но реальный цех знает вещи, которых нет в её данных: как ведёт себя пластик, где сверло не пролезет, в каком порядке монтируют компоненты.

Бенчмарк и цифры

OpenAI также хвастается скачком качества. Новая внутренняя модель набирает 87,5% в BenchCAD 2.0, а GPT-6 Astra на максимальном уровне рассуждений получает 59,4%. Бенчмарк проверяет, умеет ли модель восстанавливать 3D-детали и сборки и определять соединения на печатных платах. Про внутреннюю модель компания ничего не раскрыла, так что проверить цифры нельзя. Это стандартная ситуация: сравнение сделано на собственном тесте и собственных условиях.

Ещё одна цифра: потребление токенов хардверными командами OpenAI выросло в 23 раза с февраля. Они используют Codex и ChatGPT для CAD-моделей, чертежей для производства и симуляций в робототехнике и вычислительной инфраструктуре. Параллельно компания делает собственное устройство, по слухам, что-то среднее между умной колонкой и смартфоном.

Что с этим делать

Во-первых, это заявление самой OpenAI, независимых подтверждений пока нет, а «неделя» относится к побочному проекту с командой, которая отлично владеет инструментами. Не стоит ждать такого результата от любой команды.

Во-вторых, для основателей хардверных стартапов сигнал вполне реальный: стоимость первой итерации падает, и узким местом становится не проектирование, а обратная связь от производства. Тот, кто научится быстро скармливать модели замечания подрядчика (допуски, DFM-отчёты, реальные фото брака), выиграет больше всего.

В-третьих, для продактов: прототипировать железо можно параллельно с софтом, а не после него. Разумный первый шаг: взять простую задачу вроде корпуса для датчика или платы-обвязки, прогнать через модель и отправить подрядчику на оценку технологичности. Так вы быстро узнаете, где именно ваша связка модели и производства ломается.

Итог: ИИ пока не заменяет цех и опытного инженера по производству, но сжимает цикл от идеи до физического объекта. Именно этот цикл всегда был главным тормозом в железе.