美東時間 11 月 3 日，OpenAI 喺官方文章同 X 帳號出晒實體工程嘅最新進度。呢度嘅核心內容，係 2 名團隊成員以 side project 形式，搭配自家模型 GPT-6 Astra，喺不到 1 週內設計出一款能同自家編程代理 Codex 對話嘅測試裝置，代工廠再喺不到 1 個月內做出小批原型。
要特別講明：呢度係 OpenAI 自己公佈嘅官方文章內容，並非本站實測。「不到 1 週」只係指設計階段，入製造仲要補不少嘢，後文會逐條拆。
AI 負責畫啲乜？
OpenAI 喺文章里明言，今次嘅測試目標係「喺冇任何人工直接修改嘅情況下」做出整部裝置。GPT-6 Astra 喺各層級做了以下嘢：
- 外觀：參考早前同 Work Louder 嘅合作，以及遊戲、玩具設計
- 機構：外殼同固定零組件嘅內部結構
- 電子：元件挑選、PCB 元件配置同連接，俾電路板能裝入外殼
- 軟體：使用者介面，同生成同 Codex 對話所需嘅韌體同整合
Work Louder 係今年 7 月同 OpenAI 合作推出 230 美元 Codex Micro 鍵盤嘅廠商，產品頁截至 11 月 4 日仍顯示售完。
OpenAI 自己承認嘅缺口
文章寫明，呢部裝置要預備進入製造，仲要經多輪審查同修改——Astra 未能一致考慮代工廠嘅生產限制、公差、同組裝細節。OpenAI 話，呢啲缺口正用嚟揾出未來模型要補強嘅位置。即係話，「不到 1 週」只係設計階段，製造端嘅問題仲要靠多輪人審補上。
跑分同用量數字
BenchCAD 2.0 係測試模型能否由工程圖面或線圖重建 3D 零件同組件、還原 PCB 連接嘅基準。OpenAI 自行公佈，一款較新嘅內部模型平均得分 0.875，GPT-6 Astra 喺最高推理設定下為 0.594。BenchCAD 團隊喺 10 月 12 日發布 2.0 版時，榜首係 GPT-6 Astra（max）嘅 0.59，Claude Opus 5.5（max）以 0.57 排第二；該榜單冇 OpenAI 內部模型。
OpenAI 9 月發表 GPT-6 Astra 時公佈嘅 95.9% BenchCAD 分數，來自 1.0 版嘅幾何重疊計分，同 2.0 版嘅任務同計分方式不同，兩個數字唔可直接比較。BenchCAD 2.0 自述評分涵蓋幾何、零件位置同電路連接，唔包含可製造性同物理性能。
OpenAI 亦披露，硬體同基礎設施團隊使用 Codex 同 ChatGPT 建立及修改 CAD 模型，範圍涵蓋機械人同運算基礎設施；模型用量以 token 計算，自今年 2 月起成長 23 倍。OpenAI 本身強調，呢個數字反映使用規模，唔等於產出或效率提升。
同 Mazda、CGR 嘅合作
OpenAI 同賽車隊 Chip Ganassi Racing（CGR）嘅流程，係將現有零件嘅 3D 掃描轉為可編輯 CAD 模型同 2D 製造圖面，CGR 工程師負責審查準確性同可製造性。CGR 研發工程師 Matthew Ortman 喺官方文章中話，模型喺由原始掃描資料做到實體模型時「好有用」，佢喺 CAD 中直接使用 Codex，過程更快，更少需要親自動手。雙方合作始於 2025 年，OpenAI 今年同為 CGR 嘅賽事贊助商。
OpenAI 研究同前線部署工程團隊正同 Mazda 空氣動力同碰撞安全工程師合作，探索模型點樣協助開發及評估新車設計，包括透過氣流同結構行為模擬探索降低風阻。Mazda 首席工程師 Akihiro Nakata 喺官方文章中話，工程師揾到有利氣流嘅造型時，設計師常問「一定要長成那樣嗎？」，探索同模擬數十種變化後，Codex 中嘅 Astra 協助團隊瞭解邊啲特徵影響空氣動力，以及設計師仲有幾多發揮空間。
OpenAI 喺 X 貼文稱呢啲係「早期步驟」，並徵集工程師、工程公司同軟件廠商參與。官方文章列出嘅領域包括機械工程、電機工程同機電整合（mechatronics）。
阿調搞兩下
呢個嘢最難得嘅地方，唔係「唔到 1 週」幾個字，而係 OpenAI 肯喺同一篇官方文章寫出「Astra 未能一致考慮生產限制、公差同組裝細節」。呢種自我限定，喺呢類發布稿入面其實唔常見——通常廠商會講「已全面驗證」，而唔係「仲要多輪人審」。
對打工仔真正有用嘅問題：呢個流程而家係 side project，仲係正式產品線？Mazda 合作會唔會出公開數據？呢啲答案，目前未有。
阿調｜深度調教
