AREX Feed Article
OpenAI 称两名团队成员用 GPT-6 Astra 一周内设计出与 Codex 对话的原型设备，制造准备仍需多轮审查
11 月 3 日，OpenAI 在官网发布，并在其官方 X 账号上以介绍了同一组内容：ChatGPT 和 Codex 正被用于机械设计、电气工程与仿真，其中一项测试是让模型在「没有直接人工修改」的前提下，设计一台用来和 Codex 对话的原型设备。
按公告的说法，两名 OpenAI 团队成员以业余项目的形式，与 GPT-6 Astra 一起在不到一周内完成了这台设备的设计；Astra 负责外壳、电路板、界面与软件的设计。但公告同时写明，Astra 并没有始终把制造商的生产限制、公差和装配细节考虑进去，设备要达到可制造的状态，仍需多轮审查与迭代。
一周之内，从功能需求走到固件
公告称，GPT-6 Astra 定义了功能需求，并完成了覆盖外观、机械、电气与软件的设计：外观参考了 OpenAI 近期与 Work Louder 的合作，以及游戏和玩具；机械部分包括外壳和固定元件的内部结构；电气部分要选元件、排布电路板（PCB），并让板子装进外壳；软件部分则是界面、固件和与 Codex 的集成。
Astra 是 OpenAI 在 ；这次测试要检验的，正是它在多模态与 computer use（让模型直接操作软件界面）工作流上的表现。
一家合同制造商则在不到一个月里做出了小批量原型。公告把这台设备称作测试设备（test device）。
图纸标题栏里的 R4 与「装配未获保证」
OpenAI 在公告里用「外壳」一词链接了一份图纸。图上画的是一个圆形黑色边框零件（03 / Black bezel）：标题栏里，创建者一栏写着 OpenAI，项目一栏写着 CODEXPET，零件材料是 PLA Black，图纸类型为 Detail drawing / PROTOTYPE（详图／原型），修订 R4，共 4 张中的第 1 张。图右侧的说明里有一句：STACK CLEARANCES & LATER PCB FIT NOT ASSURED，即堆叠间隙与后续 PCB 的装配配合未获保证。
公告把这类制造约束上的缺口列为未来模型需要改进的地方。
硬件团队用量扩大到 23 倍，单位是 token
据公告，OpenAI 的硬件与基础设施团队已经在用 Codex 和 ChatGPT 创建和修改计算机辅助设计（CAD）模型、准备制造图纸、搭建仿真、评审设计，范围覆盖机器人与算力基础设施。公告称，自 2 月以来，硬件团队按 token（模型处理文本的计量单位）计的模型用量扩大到 23 倍。这个数字衡量的是模型处理了多少 token，不是设计产出或节省的工时。
公告引用 OpenAI 前向部署工程师（Forward Deployed Engineer）Grace Lam 的话：「Codex 大幅加快了我们从想法走到工程零件的过程。我们在 CAD 上的迭代更快，把 3D 设计转成可投产的 2D 图纸，也能以少得多的人工设置仿真和有限元分析（FEA）。」
0.875 对 0.594：BenchCAD 2.0 测的是设计能力
OpenAI 同时公布了内部基准 BenchCAD 2.0 的成绩。这项测试要求模型重建 3D 零件与装配体，并识别电路板上的连接关系。一个更新的内部模型平均得分 0.875，GPT-6 Astra 在最高推理档位下为 0.594。OpenAI 补充说，工程生命周期还包括设计之外的许多环节，它把这组提升视为模型可能加快专业流程迭代的早期证据。
这些分数由 OpenAI 自行统计并发布。
赛车零件与马自达车头，复核的仍是工程师
Chip Ganassi Racing 与 OpenAI 的合作在 ，当时的目标是用 OpenAI 的技术提升车队在赛道和后台的表现。OpenAI 说，这次扩大后的合作，是与 CGR 研发团队一起测试一套流程：把现有零件的 3D 扫描转成可编辑的 CAD 模型和 2D 制造图纸，尤其用在原始设计文件已经缺失的场合。CGR 工程师要检查模型和图纸是否准确、是否可制造，反馈用来判断哪些人工工作可以省掉、哪些地方模型还需要改。
公告引用 CGR 研发工程师 Matthew Ortman 的话：「它在从原始扫描数据走到实体模型这件事上很有用。我一直直接在 CAD 里和 Codex 协作。我给模型的反馈会直接落实，手工微调也能直接做，这对我来说已经变成一个更快、更少手动介入的过程。」
公告还宣布了与 Mazda 的新研究合作。OpenAI 的研究团队和前向部署工程团队，与 Mazda 的空气动力学、碰撞安全工程师一起，用气流与结构行为的仿真探索性能改进，同时把造型和成本算进去。空气动力学部分，Astra 为 Mazda 的空气动力学工程师生成新的车头形状、跑气流仿真，再细化最有希望的设计，目标是降低风阻。
公告引用 Mazda 首席工程师 Akihiro Nakata 的说法：「『一定要长成那样吗？』当我们找到一个能改善气流的形状时，设计师常常这样问我们。通过在 Codex 里探索并仿真几十种变体，Astra 帮我们理解哪些特征对空气动力学真正重要，设计师又还有多少发挥空间。所以 Astra 的价值，以及这次与 OpenAI 的合作，不止于任务自动化、缩短开发周期：它帮我们把 Mazda 独有的设计与空气动力学表现放在一起，而不必牺牲其中任何一方。」
OpenAI 把这些尝试称为早期步骤，并在公告最后征集合作者：从事复杂实体产品设计、仿真、制造或生产的工程师、工程公司和软件供应商。Mazda 项目的更多结果，OpenAI 说会在「未来几个月」分享。