GPT-6 Astraが1週間未満でデバイス設計、3つの論点と数字

GPT-6 Astraが筐体・PCB・ファームウェアを1週間未満で設計し、試作は1か月未満。BenchCAD 2.0で0.875を記録した新モデルの意味と、今後の3つの注目点を解説します。

投稿日: カテゴリー AIニュース

OpenAIは2026年11月、GPT-6 Astraが筐体からPCB、ファームウェアまでを1週間未満で設計したと明らかにしました。

本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が解説します。

The Decoderによると、OpenAIのハードウェアチームは、Codexコーディングエージェントと音声で会話できるデバイスを、副業プロジェクトとして1週間未満で完成させたとのことです。設計の中身を担ったのがGPT-6 Astraで、受託製造業者が1か月未満で少量の試作品まで仕上げています。生成AIがソフトウェアの外へ出て、物理的な製品づくりに踏み込み始めた事例として押さえておきたいニュースです。

何が起きたか:設計から試作まで1か月未満

今回の発表でいう「ハードウェアの自動設計」とは、人間が一から図面や回路を描く工程を、AIモデルが肩代わりして進めることを指します。記事によると、GPT-6 Astraが担当したのは、筐体設計、部品選定とトレース配線を含むPCBレイアウト、ファームウェア、ユーザーインターフェースの4領域です。PCBとは電子部品を載せる基板のことで、トレースはその上の配線を意味します。

完成したデバイスは外部の受託製造業者に渡され、1か月未満で少量の試作品として製造されました。設計に1週間未満、試作に1か月未満という期間は、従来の開発サイクルを知る人ほど短く感じるはずです。

ただし、すべてが一発で通ったわけではありません。記事は、モデルが製造上の制約や公差、組み立ての詳細を常には考慮できず、量産前に複数回の改訂が必要だったと伝えています。Decoderが引用している一文では「Several revision rounds were needed before production because the model didn’t always account for manufacturing tolerances.」と説明されています。AIが出した設計を人間が現物と突き合わせて直す工程は、今も欠かせないということです。

なぜ重要か:BenchCAD 2.0が示す設計能力の伸びしろ

数字で見ると、立ち位置がよりはっきりします。BenchCAD 2.0は、3D部品や組立品を再構築する力と、PCB上の接続を識別する力を測るベンチマークです。この指標で、OpenAIの新しい内部モデルは0.875を記録し、GPT-6 Astraの最高推論レベルは0.594でした。内部モデルの詳細は公表されていないため、どのような改良が入ったのかは要確認です。それでも、数か月の間に設計系のベンチマークで大きな差が開いたことは、この分野の進歩が速いことを物語っています。

もう一つ見逃せないのが、社内での使われ方です。OpenAIのハードウェアチームはCodexとChatGPTをCADモデル、製造図面、シミュレーションに使っており、対象はロボティクスとコンピュートインフラにまで及びます。トークン使用量は2月以降で23倍に増えたとされています。ここから読み取れるのは、AIを一部の試験用途ではなく、日常の設計業務の中心に据え始めているという事実です。

OpenAI自身も、AIスピーカーとスマートフォンの中間のような製品を開発中と報じられています。自社のハードウェア事業を自社のAIで加速させる動きは、今後の製品開発競争のスタイルを変えるかもしれません。

今後の動き:注目したい3つのポイント

第一に、製造の制約をどこまでAIが織り込めるようになるかです。今回は公差や組み立ての考慮が弱点として挙がりました。ここが改善されれば、改訂の回数が減り、試作までの期間がさらに縮まります。

第二に、内部モデルの公開時期です。BenchCAD 2.0で0.875という数字が、一般に提供されるモデルでも再現されるのかは、公開後の検証を待つ必要があります。

第三に、少量試作の受け皿となる製造側の動きです。設計がAIで速くなるほど、小ロットで素早く作れる受託製造の価値が上がります。プライベートブランドや独自商品を持つ事業者にとっては、企画から試作までの距離が縮む可能性があり、将来的には無関係な話ではなくなるかもしれません。ただし現時点では、一般の事業者が同じ手法を使える段階ではなく、実用化の時期は要確認です。

まとめ

GPT-6 Astraによるデバイス設計は、AIが物理的な製品づくりの上流工程まで担えることを具体的な期間と数字で示しました。一方で、製造上の制約を読み切れず改訂が必要だった点は、人間の確認が今も不可欠であることを示しています。続報としては、内部モデルの一般公開と、製造制約への対応力の改善に注目しておくとよいでしょう。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: The Decoder


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ