11 月 12 日提交的 arXiv 2611.16991 署名 NovaSilicon Team，提出开源基准 AnalogLayoutWorld，收 40 道经专家评审的任务，要求智能体从固定的晶体管级网表出发，端到端生成模拟电路版图。论文挑这个场景有明确理由，编码智能体在软件任务上的表现已有大量记录，长周期、受物理约束的工程任务能不能同样做好，公开数据不多；模拟版图要领域知识、几何推理，还要与设计工具和验证工具反复来回。
环境把设计工具和验证工具一并接进来，既有独立的物理验证与布局后电气验证，也有与模拟版图专家共同定下的客观质量指标，任务交付物是 GDS 版图文件。13 组模型与脚手架配置跑下来，91.1% 的尝试能产出 GDS，满足基准验收标准的只有 23.0%。两个百分数分母相同，中间 68.1 个百分点的落差，落在交出文件与文件过得了独立验证之间。
论文另评估了内部开发的智能体系统 Novara，称其拿到最高的综合得分，但没有给出分数与其余 12 组的差距。作者把组间差异联系到固定预算下的测试时扩展，推理效率，以及对验证反馈能不能有效用起来，被用来解释任务复杂度上升时设计质量为何守得住或守不住。这个解释把软件编码里的经验摆到了需要检验的位置，写完代码跑一遍测试就收工的做法，在几何与电学同时约束的场景里未必成立。
把 91.1% 读成能力接近可用并不成立，交付物能打开与交付物合格是两层验收。基准把物理验证放在生成之后单独计分，等于把这类落差做成可复现的量，评测口径从产出率换成通过率，配置之间的名次可能重排。站点此前记录的多轮对话完成率也指向相近的读法，分母不同，相减得到的数不能直接当作能力降幅。
摘要没列的东西要逐项说清。13 组配置用到的具体模型与脚手架名称没有写出，40 道任务的工艺节点、电路规模与难度分布未交代，验收标准各项的阈值与权重没有给，Novara 的架构细节也没有展开。单次运行的调用成本与耗时未披露。基准与任务已开源，外部复现所需的设计环境参数要看放出的仓库，跨工艺节点的迁移效果暂无数据。