3 ноября 2026 OpenAI опубликовала пост «Accelerating engineering for the physical world» о прогрессе моделей в механическом, электрическом и системном проектировании. Специализированная внутренняя модель, пока не представленная публично, набрала в среднем 0,875 в BenchCAD 2.0 — примерно на 28 процентных пунктов больше, чем GPT-6 Astra с показателем 0,594 на максимальном уровне рассуждений. В компании также показали, как два инженера за неделю спроектировали с Astra тестовое устройство, а контрактный производитель собрал его малую партию менее чем за месяц. Для сторонних разработчиков сама модель пока недоступна: сведений об API, цене и задержках в источниках нет, работать можно только с уже выпущенными Codex и ChatGPT.

image
image

Что произошло

Неанонсированная модель OpenAI прошла BenchCAD 2.0, бенчмарк на восстановление 3D-деталей и узлов по чертежам и определение соединений на печатных платах: средний результат 0,875 против 0,594 у GPT-6 Astra на максимальном уровне рассуждений. Детали внутреннего кейса: два инженера спроектировали с Astra тестовое устройство для голосового общения с Codex, включая корпус, печатную плату, прошивку и софт, а контрактный производитель собрал малую партию прототипов менее чем за месяц, однако доводка до серийного производства потребовала нескольких раундов ручной проверки допусков и сборочных деталей. Параллельно OpenAI расширила сотрудничество с Chip Ganassi Racing по конвертации 3D-сканов деталей в редактируемые CAD-модели и 2D-чертежи и объявила исследовательское партнерство с Mazda по симуляции аэродинамики и краш-безопасности. Отдельно компания привела внутренний показатель: использование моделей в hardware-командах выросло в 23 раза в токенах с февраля.

Контекст

BenchCAD 2.0 проверяет задачи с четкой структурой результата, где ответ можно сверить с эталоном: геометрию деталей и узлов по чертежам и соединения на плате. Разрыв около 28 процентных пунктов между профильной моделью и GPT-6 Astra указывает на специализированную подготовку под домен, а не на общий рост масштаба, хотя деталей обучения OpenAI не раскрывает. Информативнее числа поведение предыдущей версии, которая допускала критическую ошибку топологии, замыкая шины 3,3 В, 5 В и заземление в единую сеть: именно такие дефекты рискует оставить проектирование без проверки схемных правил. Более широкий контекст: создание физического продукта связывает CAD, печатные платы, симуляции вроде FEA и аэродинамики и прошивку, и OpenAI описывает движение к модели, охватывающей эту цепочку как единый цикл. При этом публикация является отчетом о прогрессе исследования, а не релизом: модель не названа и не выведена на рынок.

Почему это важно для индустрии

Для индустрии главный эффект — удешевление чернового проектирования физических продуктов. Кейс OpenAI демонстрирует рабочий цикл: ИИ-черновик по корпусу, плате и прошивке за дни, малая физическая партия меньше чем за месяц силами двух инженеров, а узкое место смещается к ручной проверке допусков и сборки перед серией. Партнерства с Chip Ganassi Racing и Mazda на этом фоне показывают выход из внутреннего пилота в реальные промышленные и автоспортивные процессы, от конвертации сканов до симуляций аэродинамики и краш-безопасности. Для CAD- и EDA-вендоров открывается окно: специализированные модели могут войти в их рынок, и запас времени на реакцию у инженерных инструментов ограничен. Программа со-тренировки, по которой OpenAI ищет внешних инженеров и вендоров в механике, электронике и мехатронике, а также ожидаемое в горизонте полугода раскрытие деталей модели или BenchCAD 2.0 повышают вероятность программ раннего доступа и первых сторонних пилотов в hardware-командах при появлении модели с API.

Почему это важно для пользователей

Рабочая точка входа для инженеров существует уже сегодня: Codex и ChatGPT применяются для CAD-скриптинга, подготовки производственных чертежей, настройки симуляций и написания прошивки, то есть для тех же сценариев, которые OpenAI показывает на внутреннем кейсе. Рабочее правило при этом не меняется: вывод модели стоит использовать как черновик с обязательной ручной проверкой допусков и производственных ограничений, а не как готовое решение для производства. В сгенерированной плате в первую очередь разумно искать критические ошибки топологии уровня предыдущей версии, замыкавшей шины 3,3 В, 5 В и заземление в одну сеть, а также сверять сборочные детали, которые потребовали отдельных раундов ручной доводки даже в демонстрации OpenAI. Для инженеров-электронщиков, механиков и мехатроников это означает ускорение этапа черновика, а не отмену этапа верификации.

Что пока неизвестно / ограничения

Оценка опирается на один самооценочный бенчмарк и внутренний кейс-стади без независимой репликации: нет сравнения со специализированными CAD- и EDA-инструментами и предшествующими системами, нет доверительных интервалов и разбивки результатов по отдельным заданиям BenchCAD 2.0. Модель не анонсирована, и данных об API, цене и задержках в источниках нет, а рост использования в 23 раза в токенах является прокси внутреннего развертывания, а не метрикой возможностей модели. Утверждение, что новая модель действительно устраняет критические ошибки топологии уровня замыкания шин питания и земли, проверяется только по независимым данным. Прогнозы о сжатии цикла «проект, прототип, малая серия» до недель и оформлении специализированных инженерных моделей в отдельную категорию остаются интерпретациями до появления внешних пилотов и публичных материалов по BenchCAD 2.0.

Источники

Автор

Look at AI, редакция