OpenAI内部模型工程测试0.875,反超GPT-6 Astra
11月3日,OpenAI披露其内部硬件团队已把Codex与GPT-6 Astra推入实体产品的设计与工程环节:两名员工不到一周完成一款桌面语音设备方案,代工厂在一个月内做出原型机。同期公布的BenchCAD 2.0工程基准上,一款未公开的OpenAI内部模型平均得分0.875,明显高于GPT-6 Astra在最高推理设置下的0.594。
当地时间11月3日,OpenAI对外介绍其模型在实体工程设计与制造中的落地情况,并公开两项新合作:与日本汽车制造商马自达的研发合作,以及与位于美国的职业赛车队机构Chip Ganassi Racing(CGR)的深化合作。披露内容包括一个内部硬件实验项目(桌面语音设备Codexpet)、一套新的工程能力评测基准(BenchCAD 2.0),以及硬件团队在模型使用强度上的量化变化。
Codexpet实验:该设备配有显示屏与实体按键,按键后可直接与Codex语音交互,屏幕显示虚拟角色。GPT-6 Astra参与了功能需求定义、外壳、PCB与软件集成设计,包括内部零部件固定结构、电子元件选型、电路板布局与连接关系,以及用户界面、固件与对接Codex的软件。由两名团队成员作为业余项目在不到一周内完成初步设计,代工厂在不到一个月内制作出小批原型机。OpenAI同时承认,该模型尚不能始终准确考虑制造商在实际生产中的细节约束,从设计方案到可量产的实体设备仍需多轮审核修改。
BenchCAD 2.0:基准重点考察模型能否重建三维零部件与装配体、识别电路板上的连接关系,即把编程能力与工程知识结合处理任务的水平。结果显示,一款更新的OpenAI内部模型平均得分0.875,而GPT-6 Astra在最高推理设置下为0.594。
使用强度:按Token数量计,OpenAI硬件团队自2026年2月以来模型使用量增长23倍,用途覆盖CAD模型创建与修改、制造图纸制作、仿真环境搭建、设计方案审核,涉及机器人与算力基础设施。
产业合作:与CGR的团队正在测试一套工作流,把现有零部件的三维扫描数据转换为可编辑的CAD模型与二维制造图纸,用于原始设计文件丢失或无法获取时重建数字设计资料;与马自达的合作中,GPT-6 Astra协助空气动力学与碰撞安全工程师探索降低风阻的车头造型方案,模拟气流变化并对较优设计迭代,同时兼顾外观风格、性能与成本。
这条消息的价值不在于某个跑分,而在于场景跨栏:AI从写代码进入"图纸—电路板—原型机"的实物闭环,意味着模型的对手从程序员变成了工业设计流程本身。
BenchCAD 2.0由OpenAI自建、内部模型与自家旗舰直接对比,本身带有明显的自我验证色彩——0.875与0.594的差距目前只能视为方向性信号,需要第三方基准复核。
更值得关注的是产业结构信号:硬件团队Token用量8个多月增长23倍,说明前沿实验室正在把最大算力预算从"对话产品"转向"工程与制造"。若这一趋势延续,下一阶段的竞争将不在用户端界面,而在CAD/ECAD/FEA这类工业软件的操作权。
对中国从业者,两个方向可直接对标:一是工业设计类Agent的评测基准仍属空白,具备先发机会;二是汽车、装备制造是模型进工厂最快的切口,与主机厂的联合验证比通用榜单更有说服力。
标签:人工智能、北美、前沿模型、OpenAI、全球AI动态