Los modelos de IA alcanzan el 62% en el benchmark EEBench de diseño de circuitos
Claude Opus 5 lidera la tabla con 61,6 % de aciertos en la primera versión de EEBench, que evalúa diseños electrónicos generados por IA mediante simulación SPICE.
OpenAI mostró ayer una demo de GPT‑6 Astra dibujando una placa en KiCad, lo que reavivó la discusión sobre si una IA puede diseñar circuitos de forma fiable. El proyecto EEBench, que lleva tiempo evaluando agentes de IA en tareas de electrónica, propone una metodología distinta: en lugar de forzar al modelo a interactuar con una GUI, la descripción del circuito se escribe en código declarativo mediante atopile. Así, el agente puede añadir componentes, modificar conexiones y lanzar simulaciones sin abandonar el proyecto.
El benchmark se centra en requisitos eléctricos, coste y disponibilidad de los componentes. Cada tarea incluye un conjunto de simulaciones SPICE que miden parámetros críticos como la caída de tensión durante un corte de alimentación, la respuesta en frecuencia de filtros o el comportamiento bajo tolerancias de los componentes. Los resultados se comparan con límites de especificación y con una referencia de lista de materiales (BOM). Solo cuando el diseño cumple los requisitos eléctricos, la métrica de coste entra en juego.
En la versión V1, que cubre tanto diseños analógicos como digitales, los resultados publicados el 1 de septiembre mostraron que varios modelos alcanzaron puntuaciones superiores al 50 %. Claude Opus 5 lideró la tabla con un 61,6 % en 13 tareas, seguido por Grok 4.6 con 57,1 % y Claude Fable 5.1 con 56,4 %. Hace unos meses, esos números habrían parecido inalcanzables.
Una de las pruebas más sencillas consiste en un medidor de energía residencial que debe mantener el rail protegido por encima de 3 V durante 20 ms tras una caída de 5 V. Un modelo típico añade un condensador, pero la simulación revela que con tolerancias reales la tensión cae por debajo del umbral en 0,85 ms, lo que genera un fallo. En tareas más complejas, como diseñar un filtro paso bajo de retroalimentación múltiple, el agente debe calcular relaciones de resistencias y capacitores, validar el rendimiento en los extremos de tolerancia y escoger piezas que existan en catálogos y tengan un coste razonable.
EEBench todavía no evalúa la generación de layout, fabricación o puesta en marcha del producto final, pero su enfoque en la fase de requisitos, diseño y verificación ya permite medir de forma objetiva el valor de los agentes de IA en ingeniería electrónica.
Para los profesionales de infraestructura y hardware, el avance muestra que los modelos actuales pueden asumir parte del flujo de diseño, aunque todavía dependen de una supervisión humana para validar resultados y gestionar trade‑offs de coste y disponibilidad. El próximo paso será ampliar el benchmark para incluir layout y pruebas de producción, lo que podría cambiar la forma en que se estructuran los equipos de desarrollo de hardware.
