OpenAI给GPT-6 Astra的发布视频里，专门剪了一段它在KiCad里操作电路板的画面。镜头很顺，参数改得很快，但翻遍这条视频，找不到它在电路设计基准EEBench上的分数——因为目前根本没有这个分数。
能在镜头前画板子，和能在陌生元件、极限工况、真实成本约束下把电路做出来，是两件事。EEBench想量的，正是后面这件事。
EEBench怎么测，谁排第一
EEBench不让AI在图形界面里点画布，而是用atopile的声明式代码直接搭电路：改参数、跑SPICE仿真、看哪里失效，全在同一套环境里完成。
评测只认三件硬指标：器件容差下会不会失效、是否卡在规格边界、成本和可采购性达不达标。成本只在电路先跑通仿真之后才计入分数——先证明能用，再算贵不贵。
9月1日一版成绩单，覆盖13项公开任务：
| 模型 | 得分 |
|---|---|
| Claude Opus 5 | 61.6% |
| Grok 4.6 | 57.1% |
| Claude Fable 5.1 | 56.4% |
| GPT-5.5 | 42.3% |
| GPT-5.6 Sol | 39.4% |
| GPT-6 Astra | 尚无成绩 |
13项任务只测“需求—设计—验证”这一段闭环。布局走线、制造公差、装配良率、整机调试，这次都没进考卷。
名义参数算得对，仿真里未必扛得住
公开任务里有个例子：一款电表的5V供电断掉后，电路要撑住处理器20毫秒才能保存读数，保护电压不能跌破处理器3.0V的欠压门槛。几乎所有模型第一反应都对——加电容。
问题出在细节上。陶瓷电容带上电压后，实际容值会比标称值缩水，再叠上器件公差、成本和恢复速度的博弈，一个用标称参数算出来“合格”的方案，放进仿真里按真实器件的容值曲线走一遍，可能根本撑不到规定时间。
EEBench的仿真记录显示：某个纯靠标称电容值算出来的方案，保护电压在0.85毫秒就跌破了3V门槛，离20毫秒的目标差了一大截。
这才是基准真正在测的东西：不是模型会不会解电容公式，是它敢不敢把公差、库存和成本一起算进同一个答案里。
分数能用，但别当成量产及格线
把仿真结果做成可复现、可打分的机制，这件事本身有价值。它让“这个电路设计靠不靠谱”第一次能像给代码跑单元测试一样，给出一个能对齐比较的数字，而不是靠“看着挺像”。xAI已经把EEBench写进Grok 4.6的模型卡，当作工程能力的一个证据点——分数正在被行业当真。
但61.6%容易被读高。EEBench目前只测到“需求—设计—验证”这段闭环，13项任务也覆盖不了电子工程的全部难题。真正决定一块板子能不能量产的东西——布局走线、制造公差、装配良率、整机调试——这次基本没进考卷。陆游说“纸上得来终觉浅，绝知此事要躬行”，算得对和造得出，中间还隔着一整条产线。
基准由atopile团队自己建设并资助，不是完全中立的第三方裁判。分数可以参考，但别当成没有利益关联的行业总榜。
对硬件、电路和嵌入式工程师来说，这份成绩单能当参考，不能当免检牌。涉及掉电保护、安全裕度这类容差敏感的设计，AI给出的名义参数方案，还是得自己过一遍SPICE和真实器件的datasheet，再决定要不要投板。对关注AI agent和工程自动化的读者，接下来该盯两件事：GPT-6 Astra的真实分数什么时候放出来，能不能反超Claude Opus 5；还有EEBench会不会推出覆盖PCB布局、制造和装配的下一版，那才是真正逼近“能不能造”的考卷。
模型确实比过去在CAD软件里表现出来的懂得多，EEBench证明了这点。真正的分水岭是能不能在真实器件、极端工况、成本和供应约束下，稳定交出一个经得起验证的答案，会不会画原理图从来不是门槛。GPT-6 Astra在镜头前画得再流畅，这张考卷没交，就只是一场好看的演示。