OpenAI: GPT-6 Astra diseña un dispositivo en 1 semana

OpenAI usó GPT-6 Astra para diseñar un dispositivo completo

OpenAI afirma que dos de sus ingenieros diseñaron en menos de una semana un dispositivo funcional para hablar con Codex, con GPT-6 Astra a cargo del grueso de la ingeniería, y que un fabricante externo produjo un lote pequeño de prototipos en menos de un mes. Para un founder que desarrolla hardware, la pregunta relevante no es si un modelo puede dibujar una carcasa —eso ya lo resuelve—, sino cuánto del ciclo de diseño se comprime de verdad y cuánto sigue dependiendo de personas.

El experimento no fue el anuncio de un producto: OpenAI lo presentó el 3 de noviembre de 2026 dentro de un paquete de proyectos de ingeniería física que también incluye trabajo con Chip Ganassi Racing y una colaboración de investigación con Mazda, según reportó TechRepublic.

¿Qué hicieron exactamente GPT-6 y Astra?

Según la descripción de OpenAI recogida por unite.ai, el reparto de tareas fue bastante claro:

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

GPT-6 definió los requisitos funcionales del aparato y guio el proceso de diseño.
Astra desarrolló la apariencia del dispositivo, la carcasa mecánica, las estructuras internas, la selección de componentes eléctricos y el diseño de la placa de circuito impreso (PCB), incluida la ubicación de los componentes y sus conexiones.
El mismo modelo generó la interfaz de usuario, el firmware y las integraciones de software necesarias para conectar el aparato con Codex.

El objetivo era comprobar si el modelo podía completar el proceso sin que un humano editara directamente sus resultados de diseño. No es el primer paso en esa dirección: en una demostración anterior, Astra colocó componentes y ruteó conexiones de cobre en KiCad, convirtiendo un esquemático electrónico en un layout de placa.

¿Dónde se cae la promesa de autonomía total?

En la fábrica. Preparar el diseño para producción exigió varias rondas de revisión e iteración, y Astra no logró tener en cuenta de forma consistente las restricciones de producción del fabricante, las tolerancias de los componentes ni los requisitos de montaje. OpenAI reconoce esas carencias y sostiene que le sirven para definir qué deben mejorar los modelos futuros.

Los números internos también ponen el titular en contexto. En BenchCAD 2.0, la prueba que evalúa la reconstrucción de componentes y ensambles en 3D y la identificación de conexiones en una placa, un modelo interno más reciente promedió 0.875, mientras que GPT-6 Astra se quedó en 0.594 en su nivel máximo de razonamiento. Como señala TechRepublic, un buen resultado en un benchmark no garantiza un diseño listo para producción.

El dato que mide el apetito interno de OpenAI

El consumo de tokens de los equipos de hardware e infraestructura de OpenAI creció 23 veces desde febrero, según la compañía. Conviene leerlo con precisión: mide uso de modelos, no productividad ni ahorro de costos.

Esos equipos ya usan Codex y ChatGPT para crear modelos CAD, preparar planos de fabricación, configurar simulaciones y revisar diseños. Un aumento de 23 veces en consumo no dice que la ingeniería sea automática; dice que la iteración asistida por IA se volvió parte del flujo diario, incluso cuando el resultado todavía pasa por revisión humana.

¿Es OpenAI la única que apuesta a esto?

No. El 30 de septiembre de 2026, Synopsys y OpenAI anunciaron una alianza multi anual para desarrollar GPT-Synopsys, un modelo especializado en diseño de semiconductores que se integra con las herramientas de automatización de diseño electrónico (EDA) de Synopsys, con un esquema de reparto de ingresos y comercialización conjunta.

«El futuro de la ingeniería de semiconductores requiere una aceleración drástica del proceso de diseño sin comprometer el rendimiento ni el primer silicio correcto», dijo Sassine Ghazi, presidente y CEO de Synopsys, en el anuncio. Greg Brockman, presidente y cofundador de OpenAI, agregó que la compañía está usando su tecnología más avanzada para mejorar los sistemas que impulsan la IA.

Los otros dos frentes del paquete apuntan al mismo lugar. Con Chip Ganassi Racing, OpenAI amplía una colaboración que en su primer año se concentró en interpretar datos de sensores, carreras y desempeño de equipos de boxes, y ahora suma flujos para convertir escaneos 3D de piezas existentes en modelos CAD editables y planos de fabricación 2D. Con Mazda, los equipos de investigación e ingeniería de OpenAI trabajan en aerodinámica y seguridad en choques: GPT-6 Astra genera formas alternativas de morro, corre simulaciones de flujo de aire y refina los diseños prometedores para reducir el arrastre.

«Simular docenas de variaciones ayuda a los ingenieros a entender qué rasgos importan para la aerodinámica y dónde tienen margen para explorar», dijo Akihiro Nakata, ingeniero principal de Mazda.

Para dimensionar el modelo que hace esto: dentro de la familia GPT-6, Astra es la clase de mayor capacidad, por encima de Sol, Terra y Luna. A fines de octubre de 2026, OpenAI actualizó la gama media con GPT-6.1 Terra, que según 9to5Mac bajó su precio un 50% respecto de la versión anterior y redujo su tasa de error en prompts inductores de fallos de 53,6% a 16,7% con esfuerzo de razonamiento bajo.

¿Qué significa esto para tu startup?

Si tienes producto físico o dependes de proveedores de manufactura, el mensaje práctico no es contratar un modelo y reemplazar al ingeniero. Es que el cuello de botella se movió del diseño a la validación.

Acciones concretas para probarlo sin quemar presupuesto:

Arranca con un piloto acotado y una tarea definida, como preparar un plano para revisión. Compara el proceso asistido por IA contra tu flujo actual usando los mismos insumos y los mismos criterios de aceptación, como recomienda TechRepublic.
Mide el tiempo hasta el resultado aprobado, no el tiempo hasta el primer borrador. Incluye correcciones y revisión de ingeniería en la cuenta, y pon junto a la velocidad el gasto en modelos, los costos de integración y el retrabajo. Un diseño inicial más rápido vale poco si el equipo gasta el tiempo ahorrado reparándolo.
Verifica compatibilidad con tu CAD, tus formatos de archivo y tu control de versiones antes de escalar, y define qué información propietaria de diseño puede ver el modelo y quién autoriza cambios en los archivos de ingeniería.
Mantén a ingenieros calificados validando dimensiones, materiales, tolerancias y requisitos de manufactura. Si el piloto toca componentes de seguridad, se aplican los procedimientos de aprobación que ya tienes, sin atajos.

Para un equipo en LATAM o España con menos acceso a capital, la parte interesante es otra: comprimir semanas de iteración en días abarata explorar alternativas antes de comprometer un molde o un lote de producción. Pero el prototipo sigue necesitando un fabricante real, y ahí las tolerancias no negocian con nadie.

Conclusión

Conviene separar el titular del contenido. «Diseñar un dispositivo en menos de una semana» suena a que la IA hace ingeniería de hardware sola, y eso no es lo que cuenta la propia OpenAI. Lo que se aceleró fue el diseño; la fabricación siguió necesitando ingenieros humanos para lidiar con tolerancias, montaje y producción.

El salto real no es que un modelo dibuje una carcasa: es que comprime semanas de iteración en días, y el crecimiento de 23 veces en el uso interno sugiere que ya está pasando dentro de la propia OpenAI. La autonomía total, por ahora, es más relato que realidad. Entre un prototipo que enciende y un producto que se fabrica en serie hay un abismo que la IA todavía no cruza sola.