昨天，当 Open AI 在其发布帖首页展示 GPT-6 Astra 在 Ki Cad 中处理电路板的演示时，我们非常兴奋。看到电子产品出现在如此重要的模型发布中，这很酷。显然，我们距离让 AI 通过一个提示构建整部手机还有一段距离。不过，这个演示确实提出了一个我们思考已久的问题：我们如何衡量 AI 生成的电子产品是否真的合格？

这些模型对电子学的了解令人惊讶。根据我们的经验，当前模型对电子学的了解远多于它们在传统设计工具中输出的内容所显示的。它们阅读过教科书、数据手册、应用笔记和大量代码。你可以让代理操作图形化 CAD 工具，但它会花大量时间点击并跟踪屏幕上的内容。它的很多上下文由坐标、菜单和应用状态组成。EEBench 则改用拓扑。电路存在于声明式代码中，因此代理可以直接处理组件、连接和电气约束。它可以在不离开项目的情况下更改设计、构建、运行模拟并检查失败原因。对我们来说，这比要求模型在 GUI 中画线效果要好得多。这也意味着基准测试可以花更少时间测试计算机使用，更多时间测试电子学。

现实世界是混乱的。其中一个公开任务基于住宅电能表。当 5V 电源消失时，电路必须让处理器再存活 20 毫秒，以便保存累计读数。在此期间，受保护的电源轨必须保持在处理器 3.0V 欠压阈值以上。大多数模型会直观地得出正确的基本结论：添加电容器。但真正的电容器使任务更有趣。陶瓷电容器在两端有电压时，其实际电容可能远低于标称值。元件有公差。增加更多电容会提高成本、占用空间，并在电源恢复时使电源轨充电更慢。在标称值下工作的设计可能会因实际到达的元件而失效。EEBench 在模拟中切断输入电源并测量结果。它检查整个断电期间的电压、工作点的有效电容、电源恢复后的恢复情况，以及封装、介电材料、额定电压和成本的限制。

但仅仅让方程正确只是电子工程的一部分。EEBench 使用真实制造商元件，其规格从数据手册中提取并带入 SPICE 模型。代理必须找到一种在公差角落下都能工作的组合，同时选择存在的元件，并且能够……