BOM Voyage

Недурно https://arche.co

Электронная бумага ED113TC1 отсюда: https://www.modos.tech 11.3", 2400×1032, 60fps. У них там и 13,3", 3200 x 2400 есть

Однако распределение результатов у астры весьма хорошее, полагаю близкое для человеческого в пределах одного цикла (потом выявляются ошибки и исправляют), так что при хорошем цикле возможно и можно в продакшен в несложных задачах

Нишевый, но технически интересный результат появился у украинского проекта 1UA‑AGE. 5 сентября разработчики сообщили результаты автономного трассирования плат непосредственно в KiCad: на RF-плате STRF агент три раза подряд развёл 98 из 98 соединений, а на четырёхслойной STM32-плате — 211 из 211; новые нарушения DRC при этом не появились. https://dev.ua/en/news/ukrainskyi-shi-inzhener-dlia-proiektuvannia-drukovanykh-plat-1788602402

Текущий независимый EEBench для electrical-engineering agents теперь ставит Astra на первое место: 69,3 ± 10,7%, против 61,6% у Claude Opus 5 и 57,1% у Grok 4.6. Причём Astra выполняет задачу примерно за 1 мин 46 с при средней стоимости $0,83, тогда как Opus 5 — около 13 минут и $2,38. https://eebench.org

Ресурсы связанные с проектированием печатных плат 1. PCB-Bench Tests LLMs on PCB knowledge, placement, routing, design rules, visual reasoning and real PCB understanding. https://github.com/digailab/PCB-Bench 2. OmniLayout Focuses on AI component placement while respecting schematic connections and physical constraints. https://omnieda.com 3. OmniRouting Tests AI on actual PCB routing, including connectivity, clearances, trace widths and electrical constraints. https://omnieda.com/routing/ 4. PCBWorld Lets AI agents work with the KiCad engine and use real DRC feedback while designing and routing boards. https://arxiv.org/abs/2607.05915 5. PCB-QA Tests whether AI can understand existing PCB designs, components, connections and engineering information. https://arxiv.org/abs/2606.23704 6. HWE-Bench Tests whether language models can create board-level schematics from engineering requirements and component information. https://arxiv.org/abs/2603.18102 —— 3 KiCad MCP servers bringing AI into PCB design 1. KiCad MCP Server by Seeed Studio Analyze schematics & PCBs, trace pin-level connections, inspect designs, run ERC/DRC and automate parts of the workflow. https://github.com/Seeed-Studio/kicad-mcp-server 2. KiCAD-MCP-Server by mixelpixx A feature-rich option for AI-assisted PCB design. Supports schematic editing, component placement, routing, DRC/ERC, custom footprints/symbols, manufacturing exports and more. https://github.com/mixelpixx/KiCAD-MCP-Server 3. kicad-mcp by lamaalrajih An open-source MCP integration for connecting AI clients with KiCad projects and automating PCB/EDA workflows. https://github.com/lamaalrajih/kicad-mcp

JoyIndustrial / 京东工业 (JD Industrials) представили VisCAD — 27B-модель для параметрического CAD и сборок. VisCAD: A Foundation Model Suite with Multimodal Industrial CAD Intelligence VisCAD-M1 принимает не только текст или CAD-рендер, но и обычные фотографии промышленных изделий и двумерные инженерные чертежи, а результатом является исполняемая программа FreeCAD Python, то есть параметрическое построение, а не mesh. Модель имеет 27 млрд параметров. Обучение разбито на три этапа: почти миллион доступных CAD-программ для освоения геометрических операций и API, около 150 тыс. изображений промышленных изделий для расширения предметного охвата и примерно 10 тыс. тщательно отобранных примеров с циклом «генерация → выполнение → проверка → обратная связь». Данные дополнительно включают каталоги промышленной автоматизации, STEP/STL-модели и инженерные чертежи; после фильтрации авторы получили 21 крупную категорию и 128 подкатегорий механических изделий. Ещё интереснее VisCAD-H1 для сборок. Здесь используется не схема «LLM сразу пишет большой CAD-скрипт», а промежуточное инженерное представление. Система сначала формирует BOM и предполагаемый порядок сборки, затем независимо описывает геометрию, интерфейсы и ограничения каждой детали, после чего выполняет глобальную проверку сопряжений и положения компонентов и лишь затем переводит результат в команды конкретной CAD-системы. Промежуточное представление не привязано к одному ядру: авторы показывают перенос одного плана сборки на FreeCAD, SolidWorks и Autodesk Fusion. По сути, агент работает с явными сущностями «деталь — интерфейс — сопряжение — положение», а CAD используется как исполняющая среда. Одновременно команда выпустила RealCADBench — пожалуй, не менее важную часть работы. В нём 12 632 задачи по 19 категориям оборудования промышленной автоматизации: текстовые требования, 2D-чертежи, фотографии реальных изделий и рендеры, причём есть и отдельные детали, и сборки. Публичная оценочная выборка содержит 1770 задач. Проверяется не только то, запустился ли CAD-код, но также объёмное и поверхностное геометрическое совпадение и сохранение характерных признаков изделия. Результаты показывают важную проблему нынешнего AI-CAD: успешно исполнившийся код совсем не гарантирует правильную инженерную модель — распространены потеря мелких элементов, изменение идентичности детали и неправильное размещение компонентов сборки. RealCADBench: Benchmarking Parametric CAD Modeling from Industrial Design Intents

IDC: Organizations should be aware of agentic AI risks IDC рассматривает проблему массового внедрения автономных ИИ-агентов: компании могут потерять понимание того, какие решения принимаются машиной, на каком основании и с какими полномочиями. По мере роста числа агентов становится сложнее отслеживать, кто инициировал действие, какие данные использовались и почему были получены те или иные права. Так возникает «долг решений» — массив машинных действий и выводов, для которых недостаточно прозрачно зафиксированы основания и история изменений. Отдельная проблема связана с цифровыми идентификаторами агентов и управлением доступом: традиционные механизмы рассчитаны прежде всего на людей и постоянные служебные учетные записи, тогда как права агентов могут меняться в процессе работы, а сами они — запускать другие агенты и обращаться к разным корпоративным системам. Перед вводом таких систем в эксплуатацию IDC предлагает проверять не только качество модели, но и поведение агента в корпоративной среде: устойчивость к подмене инструкций, действия при ошибках, соблюдение ограничений доступа и возможность остановки или отмены операций. Работа агентов должна сопровождаться журналированием, позволяющим восстановить последовательность действий. После запуска признаками проблем могут быть необычные действия, необъяснимое расширение прав, пробелы в журналах и сбои передачи решения человеку. Для PLM и инженерных систем это относится к действиям агентов с изделиями, документами, требованиями, расчетами, технологическими данными и другими управляемыми объектами. P.S. Человек должен получать сводку - какие решения были приняты, какие развилки были в ходе работы, какие альтернативы рассматривались, почему были отвергнуты. Иметь возможность восстановить контекст - объекты, документы в том виде, в котором они были в контексте агента в момент принятия решения, произведения действия. Видеть какие последствия будут у этих решений. И ставить подпись под этим, по крайней мере там где последствия значительны. Трассируемость — главная проблема которую придётся решать всем разработчикам агентных систем, без этого будет то, что написано выше. —— AI agents are moving into the workplace faster than companies know how to manage them Проблема автономных ИИ-агентов возникает, когда они получают право не только рекомендовать, но и самостоятельно действовать от имени организации. Тогда необходимо заранее определить, кто отвечает за их решения, какими полномочиями они обладают и где проходит граница самостоятельности. Автор предлагает рассматривать каждого агента как отдельного участника корпоративной среды с собственной цифровой идентичностью, владельцем и явно заданными правами, а не как программу под общей учетной записью. Это позволяет связать действие с конкретным агентом и проверить, соответствовало ли оно его полномочиям. Уровень самостоятельности предлагается задавать по последствиям действия и возможности его отмены: рутинные операции выполнять автоматически, более рискованные — только после подтверждения человеком, а критические действия не передавать агенту. Права должны пересматриваться при смене назначения, владельца или используемых систем. Ограничения закрепляются технически через пределы полномочий, обязательные согласования, возможность остановки и журнал действий. Для PLM и CAx это относится к агентам, работающим с инженерными данными, изменениями изделий, требованиями, расчетами, документацией и процессами согласования.

ChipAgents Helps Andes Technology Dramatically Accelerate Custom Processor Design and Verification Andes Technology, разработчик процессорных ядер на архитектуре RISC-V, рассказала про использование платформы ChipAgents для автоматизации части работ по проектированию и проверке цифровых схем. Система работает со спецификациями, RTL-кодом, зависимостями между блоками и инфраструктурой тестирования, помогая инженерам разбираться в существующем проекте, вносить изменения и подготавливать проверки. В одном из проектов ChipAgents применялась при доработке блока LSU, отвечающего за операции процессора с памятью. Работа, на которую обычно уходило около 8,5 недели, была выполнена примерно за шесть недель. Агентная система использовалась для анализа существующей реализации, выявления связанных участков проекта и сопровождения изменений в RTL. Другой пример связан с проверкой блока BIU, обеспечивающего взаимодействие процессора с системной шиной. Здесь требовалось согласовать изменения в спецификации, обновить тестовое окружение и подготовить сценарии для сложных сочетаний параллельных операций. Цикл таких работ сократился с двух-трех месяцев примерно до трех недель, а подготовка отдельных сложных тестовых воздействий — с одной-двух недель до одного-двух дней. ChipAgents в этом процессе связывает требования, реализацию и средства проверки, формирует изменения и помогает анализировать результаты тестирования. Andes постепенно распространяет применение таких агентов на разные этапы разработки процессорных ядер — от работы со спецификациями и RTL до верификации. В описанных проектах ИИ используется не как отдельный помощник для генерации кода, а как часть инженерного процесса, где агент получает контекст проекта, работает с несколькими связанными представлениями изделия и сопровождает изменения вплоть до проверки их корректности. https://www.andestech.com/en/2026/09/02/chipagents-helps-andes-technology-dramatically-accelerate-custom-processor-design-and-verification/

Ну, за архвиз!! Astra в Codex фигачит полноценную 3D-визуализацию дома: от идеи и планировки до детальной сцены в Blender, кинематографического видеотура и интерактивной версии в Unreal Engine 5. Это слишком прекрасно, чтобы суммаризировать или делать пост. Поэтому я просто попросил Гемини перевести это (chatGPT сегодня еле ворочаеццо) и чтобы не мучить вас артиклой, сложил это в Телеграф. Кому интересно, откроет. https://telegra.ph/Arhitekturnaya-vizualizaciya-s-Astra-09-05 Оригинал: https://developers.openai.com/blog/architectural-visualization-with-astra @cgevent

Навайбкодили симпатичное

И собственный результат (разработка ПО) По итогам ночного run скажу что Альфа хороша в архитектуре. Нашла много замечаний к тому что Fable и Sol на максималках проектировали 3 недели. Но нашла ладно - это было ожидаемо, важно что все полностью было принято без малейших изменений. Проработка каждого пункта, формулирование, описание пробелов и как следует закрыть были просто идеальными. Блох не было, все что нашла - было очень по делу

Весь интернет сегодня ломится от таких вот отчетов

GPT‑6 Astra помогает мне проектировать печатную плату системы управления полётом дрона: от принципиальной электрической схемы до разводки платы и размещения компонентов — он берёт на себя весь процесс. После завершения проектирования он самостоятельно проверяет схему, находит проблемы и устраняет их.

https://x.com/GoGoFly23/status/2096145124950708512 Перепечатывать все смысла нет, но их много, гораздо больше чем было в предыдущих итерациях подобного. Впрочем, вероятно, все больше людей втягиваются и пробуют, и пробы все более подготовленные - люди осваиваются, то есть это не только признак качества модели, прорыва, скорее накопление критической массы эксперементаторов и их экспертизы.

GPT-6 Astra делает разводку печатной платы в KiCad

Nomic AI — компания, которая начинала как разработчик инфраструктуры для работы с неструктурированными данными и локальными LLM, но к 2026 году довольно резко сфокусировалась на архитектуре, инженерном проектировании и строительстве — AEC. Сейчас они позиционируют себя не как очередной «чат с документами», а как доменно-специализированный AI-слой над инженерными данными и существующими системами. Nomic специально подчеркивает, что не хочет заменять Autodesk, Bentley, SharePoint и другие systems of record. Их цель — создать «neutral intelligence layer», который работает поверх существующей инженерной информационной среды. В их продукте есть несколько готовых агентных сценариев. Например, агент может проверять комплект чертежей на соответствие внутренним QA/QC-правилам, сопоставлять чертежи со спецификациями, выполнять первичную проверку submittal, искать информацию по прошлым RFI, проверять требования строительных норм, находить детали в тысячах старых проектов и формировать замечания непосредственно к PDF. Интеграции заявлены с Autodesk Construction Cloud, Bentley ProjectWise, SharePoint, Egnyte, Trimble ProjectSight, Fieldwire и рядом обычных файловых и коммуникационных систем. Они вводят понятия approved sources, permissions, cost limits, review thresholds и границы между автоматическим действием и обязательным одобрением специалистом. Результаты должны оставаться трассируемыми, а исходные BIM/PDM/документные системы не заменяются — над ними строится нейтральный intelligence layer. Для PLM это хороший внешний пример того же направления: агентный слой постепенно становится самостоятельной системой управления инженерной работой, а не функцией одного приложения. И вот, они хвастаются что получилили стратегические инвестиции от Aurecon и Arcadis и одновременно перешли от пилотов к масштабному внедрению инженерных агентов. Aurecon распространяет платформу на организацию примерно из 6 700 сотрудников; Arcadis после шестимесячного пилота с примерно 150 инженерами в 12 странах начинает встраивать агентов в свою модель выполнения проектов. https://www.nomic.ai/news/announcing-nomics-strategic-funding-round-and-partnerships-with-aurecon-and-arcadis

Сбер и «Объединенная авиастроительная корпорация» (ОАК) начали совместную работу по применению инструментов искусственного интеллекта в авиастроении. Об этом сообщил первый заместитель председателя правления Сбера Александр Ведяхин в интервью ТАСС на Восточном экономическом форуме. По его словам, банк и ОАК реализуют пилотный проект по применению генеративного ИИ в проектировании деталей авиационной техники. Работа ведется в рамках внедрения отечественного PLM-решения T-FLEX разработки «Топ системы», ГК «Росатом». Ведяхин уточнил, что демонстратор технологии совместно разработали АИРИ и «Топ системы». Решение создали на базе GigaChat. Технология позволяет увеличить скорость синтеза типовой конструкции нервюры в 11 раз. «Совместно разработанный АИРИ и Топ Системы демонстратор технологии на базе Gigachat позволил нарастить скорость синтеза типовой конструкции нервюры (поперечного силового набора каркаса крыла) в 11 раз относительно стандартного процесса, реализуемого человеком без помощи ИИ», — подчеркнул он. Первый заместитель председателя правления Сбера также оценил задачи российской авиастроительной отрасли. По его словам, отрасль получила сверхсложную задачу по завершению разработки, масштабированию производства и созданию системы послепродажного обслуживания полностью импортозамещенных российских самолетов https://www.gazeta.ru/business/news/2026/09/03/29246443.shtml

Пятница

Astra умеет работать непосредственно внутри программ, а не просто давать пользователю инструкции.

В демонстрациях модель создавала 3D-игры, разрабатывала печатные платы в KiCad, работала в Unity, FreeCAD и Blender, а также заполняла черновик налоговой декларации на основе формы W-2.

Штош, посмотрим