实测对比 GPT-6 Astra 与 MediaPipe 做手部姿态估计：差 9000 倍速度

chris_j_paxton · x · 2026-09-08

开发者 kstonekuan 用 3D 手部姿态估计任务实测了 GPT-6 Astra，称其在视觉与空间推理基准（MazeBench）上表现出 SOTA 水平，并可用于机器人数据集的标注。测试将其与经典的 MediaPipe 对比，限定相同输出格式后并排可视化结果。

结果反差明显：GPT-6 Astra 的 high reasoning 模式每帧需 3 分钟，而 MediaPipe 每帧仅约 20ms，速度差约 9000 倍。MediaPipe 的已知局限是无法处理戴手套的手，而推理模型理论上不受此限。评论者 chrisjpaxton 认为 MediaPipe 已相当老旧，做高质量数据的公司多半有更强的内部方案，但它依然非常实用。