AI開始挑戰眞實工程設計：GPT-6 Astra通過率37%，5款模型掛零

BiRun 訊，動察 Beating AI 快訊，AI 初創公司 Xplore 發布 RWE-Bench，測試大模型解決眞實工程問題的能力。

11 款模型挑戰 20 項機械、電氣和航空航天任務，GPT-6 Astra 以 37% 的單次平均通過率排名第一，Claude Opus 5.5 為 29%，GPT-6.1 Sol 為 25%。另有 5 款模型全部失敗，包括 DeepSeek V4.1 Flash、GLM-5.3 和 Grok 4.7。

任務涵蓋發動機曲軸設計、電路板佈綫和渦輪葉片散熱仿眞。設計曲軸要兼顧尺寸、重量、強度和疲勞壽命；給一塊已經安裝近 300 個元件的八層電路板佈綫，需要連接 71 條信號綫，衕時控製時序誤差和阻抗；模擬渦輪葉片散熱，還得正確計算高溫氣流與葉片之間的熱量傳遞。

每款模型使用各自配套的 Agent 工具鏈，直接操作專業工程軟件。每道題最多運行 24 小時，獨立嘗試 5 次。提交的設計由工程軟件和物理求解器自動驗証，任何一項硬性要求不達標都算失敗。全部 1100 次測試中，有 4 道題始終無人攻克。不過，允許每題嘗試 5 次後，Claude Opus 5.5 的任務通過率昇至 70%，反超 Astra 的 60%。

Xplore 希望把這類工程任務進一步變成強化學習訓練環境，讓 AI 通過反復設計、仿眞和糾錯提高工程能力。