OpenAI 今天公布了让模型参与实体产品设计、仿真与制造的进展。这些能力覆盖机械、电气和端到端系统设计，已经用于内部团队快速测试想法和迭代。

最直接的验证是 Astra 设备实验。团队用 GPT-6 Astra 在没有人工直接编辑的情况下，设计了一台让用户和 Codex 对话的设备：定义功能需求、设计外壳和内部结构、选择电气元件并完成 PCB 布局、设计 UI，并生成连接 Codex 的固件与软件集成。两名团队成员把它当作副项目，不到一周完成设计；合约制造商不到一个月造出小批量原型。不过，Astra 没有稳定考虑制造商的生产限制、公差和装配细节，从原型到量产仍需多轮评审和迭代。

OpenAI 硬件和基础设施团队已经在用 Codex 和 ChatGPT 创建、修改 CAD 模型，准备制造图纸，搭建仿真并评审设计，覆盖机器人和算力基础设施。自今年 2 月以来，这些团队的模型用量按 token 计算增长了 23 倍。

在工程能力基准上，BenchCAD 2.0 测试模型能否重建 3D 零件和装配体、识别电路板连接。一个较新的内部模型平均得分 0.875，GPT-6 Astra 在最高推理设置下为 0.594。OpenAI 承认工程生命周期远不止设计，同时把这项能力提升视为模型加速专业工作迭代的早期证据。

与行业合作者的安全部署也在推进。OpenAI 正与一小批行业合作者测试真实工程问题，工程师会审查模型输出的准确性和实用性。与 Chip Ganassi Racing（CGR） 的合作正在扩大，用于把现有零件的 3D 扫描转成可编辑 CAD 模型和 2D 制造图纸，特别适合原始设计文件缺失的场景。CGR 工程师会复核模型与图纸的准确性和可制造性。

与 Mazda 的新研究合作也已经宣布。OpenAI 的研究与 Forward Deployed Engineering 团队，正和马自达的空气动力学、碰撞安全工程师一起，用气流和结构行为仿真探索新车设计，兼顾性能、造型和成本。文中的例子是 GPT-6 Astra 帮助马自达空气动力学工程师建模新鼻形、仿真气流并迭代最有前景的设计，以降低车辆风阻。相关使用已获马自达授权。

最后，OpenAI 在寻找工程师、工程公司和软件厂商参与合作，围绕实际使用的工具和需要解决的问题，决定哪些高价值用例最值得改进，并把能力安全地部署到行业里。