OpenAI prueba Astra en ingeniería física, desde dispositivos hasta vehículos

OpenAI anunció el 3 de noviembre de 2026 una serie de proyectos de ingeniería de productos físicos, entre ellos un dispositivo de prueba diseñado por Astra, la ampliación del trabajo de ingeniería con Chip Ganassi Racing y una nueva colaboración de investigación sobre diseño de vehículos con Mazda.

Las capacidades abarcan la ingeniería mecánica y eléctrica, así como el diseño integral de sistemas: desde preparar planos y configurar simulaciones hasta coordinar cambios entre distintas disciplinas. El objetivo es dar a los ingenieros más tiempo para explorar ideas y mejorar diseños, a la vez que se conectan los procesos de trabajo entre herramientas especializadas.

Un experimento integral con un dispositivo

El experimento con el dispositivo puso a prueba las capacidades multimodales y de uso del ordenador de GPT-6 Astra: se pidió al modelo que creara un dispositivo para comunicarse con Codex, sin que los miembros del equipo editaran directamente los resultados del diseño. Astra definió los requisitos funcionales, desarrolló la carcasa y los soportes internos de los componentes, seleccionó los componentes eléctricos y diseñó la placa de circuito impreso, incluida la ubicación de los componentes y sus conexiones. También diseñó la interfaz de usuario y generó el firmware y las integraciones de software necesarios para conectar el dispositivo con Codex.

En una demostración anterior de Astra, el modelo colocó componentes y trazó conexiones de cobre en KiCad, convirtiendo un esquema electrónico en el diseño de una placa de circuito impreso.

Dos miembros del equipo diseñaron el dispositivo de prueba con Astra en menos de una semana, como proyecto paralelo. Posteriormente, un fabricante contratado produjo un pequeño lote de prototipos en menos de un mes.

Para que estuviera listo para la fabricación, aún hicieron falta varias rondas de revisión e iteración. Astra no tuvo en cuenta de manera sistemática las limitaciones de producción, las tolerancias ni los requisitos de montaje del fabricante. Estas deficiencias sirven para identificar qué deben mejorar los modelos futuros y ponen de manifiesto la diferencia entre generar un diseño completo y prepararlo para la producción.

Adopción interna y BenchCAD 2.0

En los proyectos de robótica e infraestructura informática, los equipos de hardware e infraestructura de OpenAI usan Codex y ChatGPT para modelar y revisar diseños asistidos por computadora, preparar planos de fabricación, configurar simulaciones y realizar revisiones de diseño. OpenAI informa que el uso de modelos en sus equipos de hardware, medido en tokens, se ha multiplicado por 23 desde febrero. Esta cifra refleja el consumo de modelos, no mide directamente la producción de ingeniería ni el tiempo ahorrado.

BenchCAD 2.0 ofrece una evaluación independiente de la capacidad de diseño: pide a los modelos que recreen piezas y ensamblajes en 3D y determinen las conexiones de placas de circuito. OpenAI informa de una puntuación media de 0,875 para un modelo interno más reciente, frente a 0,594 para GPT-6 Astra en su configuración de razonamiento más alta. Presenta esta mejora como un indicio inicial de que los modelos de IA podrían acelerar la iteración profesional, aunque señala que el diseño es solo una parte del ciclo de vida de la ingeniería.

Esto deja una clara brecha entre el rendimiento en las pruebas comparativas y la preparación para la producción: la evaluación abarca tareas relacionadas con el diseño, mientras que el experimento con el dispositivo muestra que los requisitos de fabricación aún pueden hacer necesaria una revisión adicional.

Revisión de ingeniería en Chip Ganassi Racing y Mazda

OpenAI está poniendo a prueba estas capacidades con un pequeño grupo de colaboradores del sector, cuyos ingenieros revisan la precisión de los resultados de los modelos y su utilidad práctica. Sus evaluaciones buscan determinar qué tareas pueden recibir apoyo de los modelos y qué aspectos deben mejorar para que puedan implementarse de forma segura y fiable.

En Chip Ganassi Racing, la colaboración ampliada pone a prueba flujos de trabajo que convierten escaneos 3D de piezas existentes en modelos CAD editables y planos de fabricación en 2D, sobre todo cuando no se dispone de los archivos de diseño originales. Los ingenieros de CGR comprueban la precisión de los modelos y planos resultantes y si son aptos para la fabricación; además, aportan comentarios sobre qué tareas manuales pueden reducirse y en qué aspectos deben mejorar los modelos.

Durante su primer año, la colaboración con Chip Ganassi Racing se centró en interpretar datos de los sensores de los coches, las carreras y el rendimiento del equipo de boxes. Los nuevos flujos de trabajo amplían ese trabajo previo con datos al ámbito de la ingeniería de piezas físicas y la creación de prototipos.

La colaboración con Mazda reúne a los equipos de investigación e Ingeniería de Despliegue en Campo de OpenAI con los ingenieros de aerodinámica y seguridad en caso de colisión de Mazda. Los equipos utilizan simulaciones del flujo de aire y del comportamiento estructural para desarrollar y evaluar diseños de vehículos, teniendo en cuenta el estilo y el costo. En el trabajo de aerodinámica, GPT-6 Astra genera formas alternativas para el frontal, ejecuta simulaciones del flujo de aire y perfecciona los diseños más prometedores con el objetivo de reducir la resistencia aerodinámica.

Akihiro Nakata, ingeniero principal de Mazda, afirmó que simular decenas de variantes ayuda a los ingenieros a entender qué características son importantes para la aerodinámica y en qué aspectos los diseñadores tienen margen para explorar. OpenAI prevé compartir más avances y resultados de la investigación.

OpenAI también invita a empresas de ingeniería y proveedores de software que participan en el diseño, la simulación, la fabricación y la producción a proponer aplicaciones de gran valor y herramientas para futuras colaboraciones. La pregunta central en estos proyectos es si los mejores resultados de diseño pueden superar las restricciones de producción y la revisión de ingeniería, etapas que aún determinan si un diseño generado puede convertirse en un producto fabricable.