OpenAI 硬件团队用 GPT-6 Astra 从零开始设计了一款设备，让用户能够与 Codex 编程智能体对话。两名团队成员把这个测试设备当作副业项目，借助 Astra 在不到一周内完成设计，一家合同制造商在不到一个月内生产出一小批原型机。

分工是这样的：Astra 负责开发外观设计，参考了 OpenAI 近期与 Work Louder 的合作成果以及游戏和玩具领域的设计元素；设计外壳以及把组件固定到位的内部结构；选择电子元器件并设计 PCB，包括组件布局与连接，以适配外壳内部空间；设计用户界面，并生成将设备连接到 Codex 所需的固件与软件集成方案。OpenAI 表示，希望通过测试能否在没有任何人工直接修改的情况下创造出一款设备，来检验 Astra 在多模态和计算机使用工作流中的最先进性能。参与其中的研究员此前没有从零组装电路板的经验。

局限同样被写进了说明。要让这款设备达到可投入生产的标准，仍需经过数轮审核和修改；Astra 并未始终充分考虑制造商的生产能力限制、公差要求以及装配过程中所需的细节。这些不足也为后续模型指明了改进方向。换句话说，交出的是逻辑上自洽的设计，而非物理上可直接制造的设计，中间那段最依赖经验与默会知识的环节仍然由人补上。

内部用量已经出现量化增长。OpenAI 的硬件和基础设施团队利用 Codex 和 ChatGPT 创建与修改 CAD 模型、制作制造工程图、搭建仿真环境以及审核设计方案，涉及机器人与计算基础设施等领域；自今年 2 月以来，该团队使用模型的规模按 token 计已增长 23 倍。外部合作方面，公司与马自达开展研究合作，用模型生成不同的车头几何造型并结合气流仿真评估空气动力学与碰撞安全表现；与 Chip Ganassi Racing 的合作则把零件三维扫描转成可编辑的 CAD 模型与二维制造图纸。

基准测试给出了另一个坐标。一个更新的内部模型在 BenchCAD 2.0 上平均得分 0.875，而 GPT-6 Astra 在最高推理水平下为 0.594，相对提升约 47%；该基准检验模型能否重建 3D 零件与装配件、识别 PCB 上的连接关系，并不覆盖可制造性与物理性能。OpenAI 尚未分享这款内部模型的任何细节。