答え公開済み15 ソース
AIはハードウェアをどこまで設計できるのか OpenAIの試作で見えた進歩と課題
OpenAIの社員2人はGPT 6 Astraを使い、Codexとやり取りする機器を1週間足らずで設計しました。ただし、製造に向けては確認と改良が必要でした。 BenchCAD 2.0では未公開の社内モデルが0.875、Astraが最高推論設定で0.594を記録。ベンチマークの点数だけで、量産可能な設計力が証明されるわけではありません。
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- OpenAIの社員2人はGPT 6 Astraを使い、Codexとやり取りする機器を1週間足らずで設計しました。ただし、製造に向けては確認と改良が必要でした。
- BenchCAD 2.0では未公開の社内モデルが0.875、Astraが最高推論設定で0.594を記録。ベンチマークの点数だけで、量産可能な設計力が証明されるわけではありません。
AI プロンプト
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI’s November 3, 2026 research announcement reveal about its progress and limitations in AI-driven physical engineering, includ. Article summary: OpenAI’s November 3 announcement described progress toward AI-assisted, end-to-end physical engineering—from hardware design to automotive simulation—but not a fully autonomous, production-ready engineering process. The . Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
OpenAIが2026年11月3日に発表したのは、AIがソフトウェアだけでなく、電子回路や機械設計を含む製品開発をどこまで支援できるかを試した取り組みです。社員2人がGPT-6 Astraを使い、Codexとやり取りするための機器を1週間足らずで設計しました。設計を素早く進められる一方、製造できる形に仕上げるには人による確認がなお必要でした。3
18
短期間で進んだ機器設計
OpenAIの発表では、まずGPT-6が機能要件を定め、その後、Astraのマルチモーダル機能やコンピューター操作能力を設計に生かせるかを試したと説明されています。一方、二次報道にはAstraが要件定義も担当したとするものがあり、モデルごとの役割については説明にばらつきがあります。3
17
このプロジェクトは、OpenAIの社員2人によるサイドプロジェクトでした。Astraは、Codexとやり取りする機器の筐体、回路基板、インターフェース、ソフトウェアの設計に関わりました。「人が直接設計を編集せずに」という説明は、設計成果物への直接編集がなかったという意味であり、人の指示や、その後の確認まで不要だったということではありません。18
設計と製造の間にある確認作業
試作品は委託先の製造会社が製作しましたが、量産に向けた準備には複数回の確認と改良が必要でした。報告された課題には、製造現場の制約に加え、公差や組み立てなどの細部が含まれます。設計案を短時間でつくることと、安定して製造できることは別の段階です。18
BenchCAD 2.0の点数が示すこと
OpenAIによると、未公開の社内モデルはBenchCAD 2.0で0.875を記録し、Astraは最高推論設定で0.594でした。この評価は、図面やレンダリング画像をもとに部品やアセンブリを扱う課題、レンダリング画像から基板配線を行う課題など、ハードウェア設計に関するタスクを対象としています。41
この差は、あくまで同ベンチマーク上での性能差を示すものです。どちらかのモデルが、人の支援なしに信頼できる量産用ハードウェアを完成できると証明するものではありません。41
車両設計やCADへの活用も
OpenAIは、Codexデバイス以外のエンジニアリングの取り組みも紹介しました。マツダとの協業では、シミュレーションを使った車両設計を検討しており、車体前部の新しい形状や空気の流れの解析などに取り組んでいます。報道によると、複数の設計案を試し、空気抵抗を抑えられる可能性のある形状を探っています。3
19
また、Chip Ganassi Racingとは、3Dスキャンデータから編集可能なCADモデルや製造図面を作る取り組みを進めています。これらの事例が示すのは、AIが設計案の作成や評価を支援できる可能性です。一方で、その設計を検証し、製造につなげるには、人の判断と製造工程からのフィードバックが引き続き重要です。
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「AIはハードウェアをどこまで設計できるのか OpenAIの試作で見えた進歩と課題」の短い答えは何ですか?
OpenAIの社員2人はGPT 6 Astraを使い、Codexとやり取りする機器を1週間足らずで設計しました。ただし、製造に向けては確認と改良が必要でした。
最初に検証する重要なポイントは何ですか?
OpenAIの社員2人はGPT 6 Astraを使い、Codexとやり取りする機器を1週間足らずで設計しました。ただし、製造に向けては確認と改良が必要でした。 BenchCAD 2.0では未公開の社内モデルが0.875、Astraが最高推論設定で0.594を記録。ベンチマークの点数だけで、量産可能な設計力が証明されるわけではありません。