這台紫色的小裝置，是 OpenAI 交給工廠做出的小批原型，用來和 Codex 對話。
在在這個官方演示裡，電路設計、裝配和最後亮屏的實物，都能直接看到。
兩個人，把做硬體當副項目，不到一周設計出了一台能與 Codex 對話的裝置。
這是 OpenAI 11 月 3 日公佈的實驗。Astra 參與的不止是外觀，還包括外殼結構、電路板、介面和軟體。
硬體設計已經能讓模型跨著幾個專業一起做了。這次最有亮眼的，是這些設計最後真的交給工廠，做出了小批原型。
這段不到一周的時間，只算設計。官方另寫了一句：代工廠做出原型，用了不到一個月。
要做的，是一整台東西
這台裝置的任務很具體：讓使用者能通過一個實體裝置，與 Codex 對話。
要讓它成為實物，先得把幾件互相牽制的事放到一起。
外殼長什麼樣，裡面怎麼固定零件；電路板用那些元件，擺在那裡，彼此怎麼連接；介面和底層程序，又怎樣接上 Codex。
PCB 就是承載元件和連接線路的電路板。它得放進外殼，元件也得在裡面待得住。光把外觀畫漂亮，還遠遠沒做完。
OpenAI 說，Astra 定義了功能需求，設計了外殼和內部固定結構，選擇元件、佈局電路板，再生成介面、韌體及軟體接入。
圖中只解釋這幾項設計如何配合，不是裝置的真實圖紙。
這一類任務難在配合：外殼改了，電路板可能得跟著變；零件位置變了，固定結構也要檢查。
把這些工作交給同一個模型協助完成，才是這個案例比單獨生成一張外觀圖更值得看的地方。
製造前的幾輪修改
官方對實驗的描述很大膽：嘗試在沒有人直接修改設計的情況下，做出一台裝置。
不過，同一篇文章也明確寫著，製造準備仍然經歷了多輪審查和修改。
模型沒有穩定考慮工廠的生產限制、尺寸公差和裝配細節。
公差，就是零件尺寸允許偏離設計值的範圍。圖紙上剛好能插進去，做出來的兩件東西，卻未必還能順利裝上。
設計檔案、工廠能做的零件、最後能裝好的整機，中間還有工程檢查。
所以，官網寫的“兩個人與 Astra”，這並不是“AI 獨自完成”。
OpenAI 的裝置帖下，@praymoreee 就提出，希望看到迭代過程和人的輸入。官方這次的文章，還沒有把完整修改日誌攤出來。
兩個人具體花了多少小時，模型做了多少次嘗試，那些意見來自工廠，仍無法據此算清。
分數測不到裝配的全部
隨這次案例一起公佈的，還有工程任務評測 BenchCAD 2.0 的成績。
這套評測讓模型重建三維零件、擺放裝配件，以及恢復電路連接。它能檢查設計的一些具體能力。
OpenAI 報告，一個未公佈名字的內部新模型，平均分達到 0.875；GPT-6 Astra 在最高推理檔為 0.594。
這裡比較的是平均分。高分屬於內部新模型，而不是Astra 。
BenchCAD 的原始說明也劃出了範圍：評分不覆蓋可製造性和物理性能。
也就是說，幾何形狀、零件位置、電路連接做得好，並沒有順帶證明它耐用、好裝，或者能交付生產。
已經用起來的地方
比起“普通人一句話造硬體”，官方公佈的另一個用法更具體。
Chip Ganassi Racing 賽車團隊，正在嘗試把舊零件的三維掃描，轉成可以編輯的設計模型，再生成二維製造圖。
CAD 是電腦輔助設計。這裡的價值，在於把掃到的形狀，變成工程師能繼續修改的設計檔案。
原始設計檔案找不到時，這條路徑尤其有用。工程師仍會核對模型、圖紙的精準性，以及它們能否製造。
賽車團隊在試的，是減少重建模型和出圖的手工活，把設計選擇和稽核留給工程師。
對輕度開發者來說，這次案例提供的是判斷演示的依據，還沒有給出一套低成本復現教學。
接下來真正值得看到的，是完整的設計檔案、人的修改記錄，以及工廠退回來那些問題。那會比又一個“一周做出來”的標題，更能說明模型已經接住了多少工作。
把 AI 用到具體的活裡
我之前已經寫過一篇文章，關於怎麼用 Claude/Codex 來改造家裡各種智能裝置（包括電視機、印表機、Kindle 等等）。AI 遠不止聊天機器人這麼簡單，它可以在很多方面幫助我們提高效率，比如硬體設計。
這次 OpenAI 的實驗，把這個用途往前推了一步：外殼、電路和軟體可以一起交給模型協助設計，結果還能交到工廠，做出原型。
普通人未必要從造一台新裝置開始。家裡現有的裝置、工作中反覆做的事，都可以成為嘗試的起點。先找一件具體的活，再看 Claude 或 Codex 能接下那一段。 (AI范兒)