OpenAI内部模型工程测试得分0.875 超Astra

时间：2026年11月3日，OpenAI在官方披露中展示了其尚未发布的内部工程模型，以及GPT-6 Astra参与实体硬件设计的最新实验。该内部模型在BenchCAD 2.0工程评测中平均得分0.875，显著高于GPT-6 Astra最高推理设置下的0.594分。 地点：BenchCAD 2.0评测环境及OpenAI硬件实验室。 人物：OpenAI研究团队成员Justin Lin、前沿部署工程师Grace Lam、基础设施团队成员Qiong Wang与Jackie Lee；合作方包括马自达首席工程师Akihiro Nakata、CGR研发工程师Matthew Ortman。 事件详情：OpenAI通过BenchCAD 2.0测试评估内部模型与GPT-6 Astra的工程能力。BenchCAD 2.0重点考察模型重建三维零部件和装配体、识别电路板连接关系等任务。测试结果显示，OpenAI内部模型平均得分0.875，而GPT-6 Astra在最高推理设置下得分为0.594，相对提升约47%。GPT-6 Astra此前在公开评测中排名第一，但也犯过低級错误：把电路板上的3.3V、5V和地线识别成同一网络。OpenAI同时展示了Astra参与设计的Codex pet桌面设备。两名OpenAI员工用不到一周时间完成初步设计，由代工厂在近一个月内制作出原型机。Astra负责外壳、内部结构、电路板布局、软件集成和固件设计。OpenAI还宣布与马自达、CGR（Chip Ganassi Racing）开展研究合作，探索AI在汽车空气动力学设计和赛车工程中的应用。 背景：BenchCAD 2.0是由BenchCAD团队于2026年10月发布的3D建模基准测试，用于评估AI在真实硬件工程任务中的表现。与仅关注单个CAD零件的BenchCAD 1.0不同，2.0扩展到装配体构建和逆向工程等更复杂任务。在此前的公开评测中，GPT-6 Astra曾在BenchCAD 2.0排行榜上位居第一，但在装配体任务中频繁出现零件形状正确但位置放反的问题。 影响：这项披露表明OpenAI正在将其AI能力从软件工程扩展到实体工程领域。内部新模型在BenchCAD 2.0上的显著得分优势，说明frontier模型在工程推理任务上仍有提升空间。Codex pet实验展示了AI参与完整硬件设计流程的可行性——从概念设计到电路板布局再到软件集成——但也暴露了当前局限：Astra尚不能始终准确考虑制造细节，生产前仍需多轮人工审核。与马自达和CGR的合作，标志着AI开始进入汽车空气动力学设计和赛车工程等专业领域。 总结：OpenAI通过BenchCAD 2.0测试和Codex pet实验，展示了AI在实体工程领域的早期进展。内部新模型以0.875分显著超越GPT-6 Astra的0.594分，而Astra在一周内完成桌面设备原型设计的能力也令人瞩目。尽管当前模型在工程细节和可制造性方面仍有不足，但OpenAI已经明确将硬件工程列为AI的下一个战场。模型使用量自今年2月以来增长23倍，也印证了AI正从软件开发进一步进入实体产品的设计与工程环节。 常见问题： 问：OpenAI的内部新模型会公开发布吗？ 答：目前尚未公布。OpenAI仅披露了BenchCAD 2.0测试得分，未发布模型名称和发布时间。 问：GPT-6 Astra能独立完成硬件设计吗？ 答：还不能。Astra参与了Codex pet的设计，但生产前仍需多轮人工审核和工厂调整。OpenAI称其尚不能始终准确考虑制造细节。 参考来源： 智东西报道 https://zhidx.com/p/607183.html 凤凰网科技报道 https://i.ifeng.com/c/8xlm7omEhgE BenchCAD 2.0官方博客 https://benchcad.com/blog/benchcad-2.html 鉅亨网快讯 https://news.cnyes.com/news/print/6646950 RD World Online报道 https://www.rdworldonline.com/openai-says-gpt-6-astra-designed-a-talking-codex-pet-manufacturing-took-several-rounds/ 腾讯新闻转载 https://news.qq.com/rain/a/20261104A0BFP900 36氪报道 https://www.36kr.com/p/4055026862774150