OpenAI Astra 零样本碾压专用机器人模型

11 月 1 日,OpenAI 员工 Will Depue 公开表示,OpenAI 机器人方向的通用多模态模型 Astra 在机器人任务上大幅击败专用机器人模型:在一个机械臂抓取任务上,Astra 零样本取得 19/20,而专用模型 fable 仅 1/20,且 Astra 完全没有做仿真训练。这一结果令他本人和整个 ML 圈深感意外,他认为对机器学习领域可能有更深层含义,值得关注后续验证与官方披露。

已确认

• Will Depue(OpenAI)给出了具体对比数字:Astra 零样本 19/20,fable 仅 1/20,且 Astra 未做仿真训练。
• Depue 的直觉分析:从 flops 角度找不到解释,专用机器人模型在机器人/多模态数据上并不占劣势,因此胜出更可能源于规模化带来的能力迁移增强,或算法层面的根本性转变;他坦言并不知道具体原因,也承认 Astra 在灵巧操作(如拧灯泡、操作灵巧手)等任务上尚有短板。
• Depue 随后修正了自己最初的快速判断,提出一个可能解释:视频输入带来的「计算机使用」(computer use)能力迁移到了快速物体控制上;他还追问,如果通用模型的收益来自迁移,专用机器人模型为何在同一任务上表现不佳。
• Depue 强调,那些轻描淡写说「不过是 XYZ」的人忽略了:团队内专攻该领域的顶尖研究员和工程师自己也相当惊讶。
• 他进一步发长帖宣告「专业 ML 的最终死亡」:半年前他认为机器人是不会被「一个大模型」吞掉的领域,但连这个领域也被 Bitter Lesson 打了个措手不及,并称传闻连蛋白质折叠也快了;他的结论是一切本质上都可被通用方法覆盖。
• 网友对「这是否只是迁移学习」展开争论,焦点在泛化能力的来源与机制。
• Adam Karvonen 提出区分任务难度:强 LLM 能完成基础 pick-and-place 并不意外——人类用摇杆零练习也能做到,且这类任务容易在仿真中训练;在需要灵巧性的任务上,他认为专用模型仍可能占优。他进一步猜测,最终格局可能是前沿 LLM 负责高层指令、专用模型负责底层执行。

尚未确认

• Astra 的完整成绩、训练细节与对比基准均未公开,相关说法主要来自 Depue 的转述及讨论,OpenAI 官方未发布对应论文或公告;部分讨论者也将该消息视为未证实的爆料。蛋白质折叠被通用模型攻克的说法仅为传闻。

为什么重要

• 若通用多模态模型在垂直任务上系统性超越专用模型,将动摇「专用模型在垂直领域更优」的传统认知,对机器人学习乃至整个 ML 领域的研究方向都有深远影响,这也是 Depue「专业 ML 已死」论断的依据。Karvonen 的补充则提示评估时需区分任务类型,避免以简单操作结果过度外推,并给出了「LLM 指挥 + 专用执行」的可能的未来分工图景。Depue 的 computer use 迁移假说则为理解通用模型胜出的机制提供了一个具体但待验证的方向。

2026-11-01 ~ 2026-11-01 · 12 条相关

• OpenAI Astra 机器人成绩碾压专用模型，规模迁移引热议 — willdepue · 2026-11-01
• OpenAI Astra 碾压专用机器人模型，willdepue 解读规模化迁移 — willdepue · 2026-11-01
• LLM 零样本操作机械臂不意外,灵巧任务仍是专用模型天下 — adam_karvonen · 2026-11-01
• 【源头】LLM 零样本抓取 19/20 完胜专用机器人模型 1/20 — willdepue · 2026-11-01
• OpenAI 机器人模型 Astra 零样本夹爪任务 19/20,碾压专用模型 — adam_karvonen · 2026-11-01
• Karvonen:未来或是前沿 LLM 指挥专用机器人模型 — adam_karvonen · 2026-11-01
• 【源头】OpenAI 研究员质疑:通用多模态模型缘何胜过专用机器人模型 — willdepue · 2026-11-01
• OpenAI 研究员:连专业机器人研究员都被新能力惊到 — willdepue · 2026-11-01
• 【源头】「专业 ML 已死」：连机器人领域也被通用大模型吞没 — willdepue · 2026-11-01

另有 3 条近重复转述:willdepue · arthurcolle · cloud11665