MicroPlanBench 发布：SOTA 多模态模型无一过 70%

heimmoritz 与 Animesh Garg 团队发布两个机器人领域新基准 MicroPlanBench 与 MicroAnnotationBench，评估多模态模型在多步目标（常含数百个子任务）中判断「下一步子任务」的能力。结果显示 SOTA 多模态模型无一超过 70%，约三分之一的下一动作预测会失败；GPT-6 Astra 领跑，GPT-6.1 Sol 紧随其后且成本仅为其五分之一。团队核心结论是「语义推理不等于感知时序」，暴露出机器人「大脑」在时序规划上的短板。

2026-10-20 ~ 2026-10-21 · 3 条相关

• 发布机器人双基准：MicroPlanBench 与 MicroAnnotationBench 首批排名揭晓 — chris_j_paxton · 2026-10-20
• MicroPlanBench 等新基准：SOTA 模型预测机器人下一动作约 1/3 会失败 — mattbeane · 2026-10-20
• MicroPlanBench:SOTA 多模态模型无一过 70%,机器人「下一步判断」成短板 — animesh_garg · 2026-10-21