Astra спроектировала устройство за неделю. Для производства понадобились инженеры

Спроектировать устройство за неделю ещё не значит отправить его на завод. OpenAI показала, как двое сотрудников с GPT-6 Astra разработали прототип для голосового общения с Codex, но подготовка к выпуску всё равно потребовала нескольких раундов проверки и доработок. Модель не всегда учитывала производственные ограничения, допуски и особенности сборки.

Этот эксперимент стал частью опубликованного 3 ноября отчёта о работе AI в инженерии. Вместе с ним компания объявила новое исследовательское сотрудничество с Mazda и расширение работы с гоночной командой Chip Ganassi Racing. Речь идёт о проектировании, моделировании и подготовке производства, а не о выходе нового устройства OpenAI в продажу.

Корпус, плата и прошивка меньше чем за неделю

Внутренний эксперимент проверял, насколько далеко Astra может зайти в разработке физического продукта. Модель помогла определить требования, придумала внешний вид, спроектировала корпус и внутренние крепления. Она же подобрала электронные компоненты, разместила их на печатной плате и соединила между собой.

На этом работа не закончилась: Astra разработала интерфейс, сгенерировала прошивку и программные интеграции для связи устройства с Codex. Два сотрудника занимались проектом параллельно с основной работой и уложились меньше чем в неделю. Контрактный производитель изготовил небольшую партию прототипов меньше чем за месяц.

Здесь проходит граница между убедительным проектом на экране и вещью, которую можно собрать. OpenAI прямо признаёт, что Astra ошибалась в требованиях производства. Несколько циклов проверки и изменений понадобились уже при подготовке устройства к изготовлению. Поэтому эксперимент нельзя считать примером полностью автономного выпуска железа без инженеров.

Гоночные детали восстанавливают по сканам

С Chip Ganassi Racing компания тестирует другой сценарий: превращение трёхмерного скана существующей детали в редактируемую CAD-модель и двумерные производственные чертежи. Это полезно, когда самой детали достаточно для измерений, а исходных файлов проектирования нет.

Инженеры команды проверяют точность моделей и чертежей, а также возможность изготовить по ним деталь. По словам специалиста R&D команды Мэтью Ортмана, обратную связь можно давать Codex непосредственно в CAD, после чего модель вносит изменения. Это отзыв участника сотрудничества, а не независимое сравнение скорости с обычным проектированием.

Mazda ищет форму между аэродинамикой и дизайном

Новое исследовательское сотрудничество с Mazda затрагивает аэродинамику и безопасность при столкновениях. Команды будут изучать, как модели OpenAI помогают разрабатывать и оценивать конструкции автомобилей с помощью симуляций воздушных потоков и поведения материалов и конструкций под нагрузкой. В расчёт должны входить не только технические характеристики, но и внешний вид и стоимость.

В одном из показанных сценариев Astra в Codex помогает перебирать варианты передней части автомобиля, моделировать обтекание и дорабатывать перспективные формы. Смысл работы не сводится к поиску минимального сопротивления воздуха: инженерам и дизайнерам нужно понять, какие элементы формы действительно влияют на результат и где остаётся свобода выбора. Дополнительные результаты OpenAI обещает показать в ближайшие месяцы.

Тесты улучшаются, но не заменяют проверку конструкции

Компания также привела результаты BenchCAD 2.0. Этот тест проверяет восстановление трёхмерных деталей и сборок и определение соединений на печатных платах. Более новая внутренняя модель получила средний балл 0,875 против 0,594 у GPT-6 Astra с максимальным уровнем рассуждений. Это баллы конкретного теста, а не доля проектов, которые можно без проверки отправлять в производство.

Сам отчёт не объявляет выпуск этой внутренней модели или отдельного общедоступного инженерного продукта. Пока OpenAI работает с небольшой группой отраслевых партнёров, чьи инженеры оценивают точность и практическую пригодность результатов, и ищет новых участников среди разработчиков, производственных компаний и поставщиков инженерного ПО.

Практический сдвиг уже заметен в задачах: AI помогает перейти от скана к редактируемой модели, от модели к чертежу и от идеи к серии расчётных вариантов. Но ответственность за допуски, сборку и безопасность не исчезает. Самый показательный результат прототипа OpenAI именно в этом: придумать устройство удалось быстро, а сделать его пригодным для изготовления пришлось отдельной инженерной работой.