Новость интересна не самим устройством — это небольшой гаджет, через который можно голосом общаться с кодинг-агентом Codex, — а тем, кто выполнил работу. По описанию OpenAI, Astra прошла весь путь: корпус, разводка печатной платы с подбором компонентов и трассировкой, прошивка и пользовательский интерфейс. Всё это — как побочный проект, меньше чем за неделю.
Дальше эстафету принял контрактный производитель: небольшую партию прототипов собрали меньше чем за месяц. Но не с первого раза: понадобилось несколько итераций, потому что модель не всегда учитывала производственные ограничения, допуски и детали сборки. Это, пожалуй, самая честная часть отчёта — она показывает, где заканчивается генерация и начинается реальное железо.
Чем ещё хвастаются
OpenAI приводит внутренний бенчмарк BenchCAD 2.0, в котором модель должна восстанавливать 3D-детали и сборки и находить соединения на платах. GPT-6 Astra на максимальном уровне рассуждений набирает 0,594, а некая новая внутренняя модель — 0,875. Что это за модель, компания не рассказывает.
Отдельная цифра — рост потребления токенов в железных командах в 23 раза с февраля. OpenAI использует Codex и ChatGPT для CAD-моделей, производственных чертежей и симуляций в робототехнике и инфраструктуре вычислений, а параллельно делает собственное устройство, которое описывают как нечто среднее между AI-колонкой и смартфоном.
Как к этому относиться
Для инженеров-железячников сигнал двойной. С одной стороны, генерация платы и прошивки по описанию перестаёт быть демо и доходит до прототипа. С другой — отчёт сам говорит, что без человека с опытом производства полученный проект не запустить: допуски, технологичность и сборка остаются на людях.
Практический вывод скромнее заголовка: ИИ ускоряет первый черновик, но не отменяет проверку. И если вы делаете что-то похожее, стоит заранее решить, кто отвечает за верификацию — потому что «модель нарисовала» не означает «завод изготовит».
The interesting part is not the device itself — a small gadget for talking to the Codex coding agent by voice — but who did the work. According to OpenAI, Astra handled the whole path: enclosure, PCB layout with component selection and trace routing, firmware and the user interface. All as a side project, in under a week.
A contract manufacturer then took over, building a small batch of prototypes in under a month. Not on the first try, though: several revision rounds were needed because the model did not always account for manufacturing constraints, tolerances and assembly details. That is perhaps the most honest part of the report — it shows where generation ends and real hardware begins.
What else is touted
OpenAI cites an internal benchmark, BenchCAD 2.0, where a model must reconstruct 3D parts and assemblies and identify connections on boards. GPT-6 Astra at its highest reasoning level scores 0.594; a newer internal model scores 0.875. What that model is, the company does not say.
Another number: token usage in hardware teams has grown 23x since February. OpenAI uses Codex and ChatGPT for CAD models, manufacturing drawings and simulations across robotics and compute infrastructure, while also building its own device, described as something between an AI speaker and a smartphone.
How to read it
For hardware engineers the signal cuts both ways. On one hand, generating a board and firmware from a description is moving from demo to prototype. On the other, the report itself says the result cannot be launched without someone who knows manufacturing: tolerances, manufacturability and assembly stay with people.
The practical takeaway is humbler than the headline: AI accelerates the first draft but does not replace verification. And if you do something similar, decide up front who owns verification — because “the model drew it” does not mean “the factory can build it”.