2026年9月12日，人工智能公司OpenAI 本周发布了 GPT-6 Astra，首先面向部分机构用户推出，随后逐步扩展至 ChatGPTPlus、Pro、Business 和 Enterprise 用户，并通过 OpenAI API、Microsoft Azure 和 AWS Bedrock 向开发者开放。在 OpenAI 发布时重点介绍的功能中，3D 建模和空间推理尤为引人注目，被认为是设计和制造工作流程中最直接的应用领域之一。
探索 GPT-6 Astra 的各项特性以及可增强设计和制造工作流程的 3D 建模功能。为了衡量模型对三维几何的掌握程度，OpenAI 推出了 BenchCAD 基准测试。测试旨在检验模型能否通过编写 CAD 代码而非直接生成网格，从一组多视图渲染图中重建三维物体。
借助相关工具，GPT-6 Astra 在基准测试的平均体素 IoU 指标上取得了 95.9% 的成绩。这项指标衡量的是重建几何体与原始物体的重叠程度。相比之下，OpenAI 的上一代模型 GPT-5.6 Sol 的得分为 83.3%，Anthropic 的Claude Fable 5.1 的得分为 84.3%。OpenAI还指出，在所测试的配置下，Astra 达到这一分数所需的API 成本比 Sol 低约 43%，比 Fable 5.1 低约 86%。
OpenAI 将基准测试结果与模型演示相结合，演示内容包括在 Blender 中建模房屋，并转换为虚幻引擎 5 中的可行走场景。OpenAI 将此工作流程描述为设计师和客户在房屋建造之前探索布局并穿梭于空间的一种方式。同样的计算机应用能力也延伸到了游戏开发领域：在设计师 Pietro Schirano 的演示中，Astra 构建了一款卡丁车竞速游戏和一组太空飞船静态图像，为没有编程经验的人生成了图形、游戏玩法和动作。
对于关注增材制造和产品设计的读者来说，BenchCAD 的成果值得关注。模型能够从普通照片而非静态网格中重建可编辑的 CAD 几何体，这预示着物理零件的逆向工程速度将更快，扫描参考文件与可打印文件之间的迭代速度将更快，设计工具也将能够生成可实际应用的几何体，而不仅仅是图像。
Astra 的输出是否能满足增材制造工作流程所需的公差，这与基准分数是两个不同的问题，而且这个问题将取决于设计师开始向模型输入真实零件而不是测试渲染图后，模型的表现如何。
来源：南极熊
0 留言