OpenAI披露，其硬件团队利用GPT-6 Astra完成了一款小型硬件设备的设计，从零到成型用时不到一周，且是作为副项目推进的。该设备的功能是让用户与Codex编程智能体对话。按照OpenAI的说法，Astra承担了从外壳设计、PCB布局（含元件选型与走线），到固件和用户界面的全部环节。

设计完成后，一家代工厂在不到一个月内生产出一小批原型。不过这一过程并非一次通过：由于模型在设计时未能始终顾及制造约束、公差与装配细节，原型投产前经历了数轮修改。这暴露出当前AI辅助设计的一个现实边界——生成方案的速度很快，但对真实产线条件的把握仍需要人工兜底。

OpenAI同时强调了一项性能跃升。一款未公开细节的内部模型在BenchCAD 2.0基准上取得0.875的分数，而GPT-6 Astra在最高推理档位下的成绩为0.594。该基准考察的是模型能否重建三维零件与装配体、并识别PCB上的连接关系。OpenAI没有透露这款内部模型的任何信息，因此这一对比目前只能视为公司单方面说法。

在更广的层面上，OpenAI表示其硬件团队已在机器人、算力基础设施等领域，把Codex与ChatGPT用于CAD模型、制造图纸和仿真工作，相关token用量自2月以来增长了23倍。这一数字反映的是内部工程流程对AI工具的依赖度在快速上升，而不只是实验室里的演示。

背景上，OpenAI自身也在开发消费硬件，据报道其形态介于AI音箱与智能手机之间。把设计环节交给自家模型，既是内部效率实验，也可能是在为自研硬件积累工程方法。对关注大模型竞争的人来说，这条消息的关键不在于某款原型设备本身，而在于OpenAI试图证明：前沿模型的价值可以从代码生成延伸到实体产品的完整设计链路。若这一能力可复现，硬件初创公司与大型工程团队的研发分工方式都可能被重新定义；但制造公差这类问题的存在，也说明距离完全无人干预的设计仍有距离。