GPT-6 아스트라가 일주일 만에 Codex용 하드웨어 설계를 끝냈다

OpenAI의 하드웨어 팀이 GPT-6 아스트라를 활용해 Codex 코딩 에이전트와 대화할 수 있는 기기를 설계한 사례를 공개했다. 이 작업은 별도 사이드 프로젝트로 진행됐고, 일주일이 채 걸리지 않았다는 설명이다. 소프트웨어 생성에 머물던 모델 활용이 외형 설계와 전자 보드, 펌웨어까지 이어졌다는 점에서 개발 도구의 경계가 넓어지는 신호로 읽힌다.

아스트라는 인클로저 디자인과 PCB 레이아웃, 부품 선택, 배선 라우팅은 물론 펌웨어와 사용자 인터페이스까지 맡았다. 이후 계약 제조사가 한 달 안에 소량의 프로토타입을 제작했다. 다만 제조 제약과 공차, 조립 디테일을 모델이 항상 고려하지는 못해 여러 차례 수정 라운드가 필요했다.

성능 수치는 BenchCAD 2.0 벤치마크로 제시됐다. 이 테스트는 3D 부품과 어셈블리를 재구성하고 PCB 위의 연결 관계를 식별하는 능력을 본다. 최고 추론 수준의 GPT-6 아스트라는 0.594를 기록했고, OpenAI가 언급한 더 새로운 내부 모델은 0.875를 얻었다. 내부 모델의 구체적인 정보는 공개되지 않았다.

배경에는 하드웨어 개발 조직의 도구 활용 변화가 있다. OpenAI 하드웨어 팀은 로봇과 컴퓨트 인프라 분야에서 CAD 모델, 제조 도면, 시뮬레이션 작업에 Codex와 ChatGPT를 쓰고 있으며, 2월 이후 토큰 사용량이 23배 늘었다. OpenAI는 자체 하드웨어 기기도 준비 중이며, AI 스피커와 스마트폰 사이에 놓인 형태라는 관측이 나온다.

개발자 입장에서 이 사례는 에이전트가 코드 생성기를 넘어 제품 개발 초기 루프를 압축할 수 있음을 보여준다. CAD 모델, 제조 도면, 시뮬레이션 같은 작업을 자연어와 코드로 오가며 처리하는 흐름이 이미 내부에서 쓰이고 있다는 점도 시사적이다. 다만 초기 설계 후보를 빠르게 만드는 것과 양산 가능한 설계를 확정하는 것은 다른 문제다.

실무에서는 설계 의도를 문서화하고 제약 조건을 명시적으로 제공하는 능력이 더 중요해질 수 있다. 모델이 만든 PCB 배선이나 펌웨어가 바로 제품에 들어가기보다, 엔지니어가 제조성 검토와 테스트, 인증 단계를 맡는 구조가 현실적이다. Codex 같은 코딩 에이전트가 하드웨어 툴 체인과 연결될 때 생산성 효과와 검증 비용을 함께 따져야 한다.

공개된 범위도 분명하다. 제조 현장의 제약과 공차, 조립 순서를 모델이 완전히 반영하지 못해 수정이 반복됐고, BenchCAD 2.0 점수 역시 내부 모델보다 낮다. OpenAI가 공개한 사례와 수치가 실제 생산 라인에서 어느 정도 재현되는지는 아직 별도 검증이 필요한 부분이다.