შეუძლია თუ არა AI-ს დაფის დაპროექტება? EEBench ზომავს ელექტრონიკის დიზაინს

OpenAI-მ GPT-6 Astra-ს გამოშვების პოსტის მთავარ გვერდზე დადო დემო, სადაც მოდელი KiCad-ში ბეჭდურ დაფაზე მუშაობს. ელექტრონიკის ასეთი გამოჩენა მნიშვნელოვანია, თუმცა ღიად რჩება კითხვა, რომელსაც atopile-ის გუნდი დიდი ხანია სვამს: როგორ გავზომოთ, კარგია თუ არა ის, რასაც AI აწარმოებს?

ამაზე პასუხს სცდილობს EEBench — ელექტრონიკის დიზაინის ღია ბენჩმარკი, რომელსაც atopile-ის გუნდი აშენებს. მათი დაკვირვებით, მოდელებმა ელექტრონიკაზე ბევრად მეტი იციან, ვიდრე CAD ინსტრუმენტებში მათი შედეგები აჩვენებს — მათ წაკითხული აქვთ სახელმძღვანელოები, მონაცემთა ფურცლები და application note-ები.

აგენტი დეკლარაციულ კოდზე, არა გრაფიკულ ინტერფეისში

გრაფიკულ CAD პროგრამაში მომუშავე აგენტი დროის დიდ ნაწილს კლიკებსა და ეკრანზე მიმდინარე მდგომარეობის თვალყურის დევნებას ხარჯავს. EEBench სამაგიეროდ atopile-ს იყენებს: სქემა დეკლარაციულ კოდში ცხოვრობს, ამიტომ აგენტს პირდაპირ შეუძლია იმუშაოს კომპონენტებზე, კავშირებსა და ელექტრულ შეზღუდვებზე, შეცვალოს დიზაინი, აწყოს, გაუშვას სიმულაცია და დაადგინოს, რა ვერ იმუშავა — პროექტის დატოვების გარეშე. გუნდის თქმით, ეს გაცილებით უკეთ მუშაობს, ვიდრე მოდელისთვის GUI-ში ხაზების გავლების თხოვნა.

რეალური სამყარო მარტივი არ არის

ერთი საჯარო დავალება საცხოვრებელი ენერგიის მრიცხველს ეფუძნება: 5-ვოლტიანი კვების გაქრობისას სქემამ პროცესორი კიდევ 20 მილიწამი უნდა შეინარჩუნოს ცოცხლად, რომ დაგროვილი ჩვენება შეინახოს, და დაცული ხაზი ამ დროს 3.0 ვოლტის brownout ზღვარზე მაღლა უნდა დარჩეს. მოდელების უმეტესობა ინტუიციურად სწორ დასკვნამდე მიდის — საჭიროა კონდენსატორი. რეალური კონდენსატორი კი საქმეს ართულებს: კერამიკული ნაწილი ძაბვის ქვეშ გაცხადებულზე ნაკლებ ტევადობას იძლევა, ნაწილებს ტოლერანტობა აქვთ, მეტი ტევადობა კი ძვირია და კვების დაბრუნებისას ხაზის აღდგენას ანელებს. გამოქვეყნებულ მაგალითში დაცული ხაზი 4.55 ვოლტიდან ეცემა და 3 ვოლტს 0.85 მილიწამში კვეთს — საჭირო 20-ის ნაცვლად.

დეტერმინისტული შეფასება და ლიდერბორდი

შემოწმებები სრულად დეტერმინისტულია: სისტემა წარდგენილ დიზაინს აწყობს, ქმნის სქემის გრაფსა და კომპონენტების ჩამონათვალს და უშვებს SPICE-სიმულაციებს; თითოეული მოთხოვნა იძლევა გაზომვას საზღვრით. ტექნიკური ქულა ერწყმის ხარჯების ეფექტიანობას საცნობარო ჩამონათვალთან — ღირებულება მხოლოდ მაშინ ითვლება, როცა სქემა უკვე მუშაობს.

1 სექტემბრის შედეგებით, 13 დავალებაში Claude Opus 5 ლიდერობს 61.6%-ით, მას მოსდევს Grok 4.6 — 57.1% და Claude Fable 5.1 — 56.4%. xAI-მ EEBench Grok 4.6-ის მოდელის ბარათში, ინჟინერიის დაჩქარების განყოფილებაში მოიხსენია; მათივე გაშვებით მოდელი მაღალი მსჯელობის ძალისხმევით 60.0%-ს აღწევს. OpenAI-ის მოდელები უფრო დაბლა არიან: GPT-5.5 — 42.3%, GPT-5.6 Sol — 39.4%. EEBench V1 ჯერ არ ამბობს, შეუძლია თუ არა მოდელს პროდუქტის სრულად წარმოება და გაშვება.