AA 机器人评测首秀：GPT-6 Astra 操控真实机械臂夺第一，但比人类慢约百倍
机器之心 · wechat · 2026-10-15
评测机构 ArtificialAnalysis 发布 AA-Robotics v0.1，让 GPT-6、Claude、Gemini 等前沿模型通过编程 Agent 控制一台真实六轴机械臂，零样本完成倒水、写字、搭积木等八项任务。
首批成绩：GPT-6 Astra 69.4 分居首，GPT-6.1 Sol 64.6 分（满分题数反而最多、5 道），Gemini 4 Argon 55.3，Claude Opus 5.5 与 Fable 5.1 分别为 48.8 和 46.3。最简单的按按钮、放玩具全员通过；倒水、写字只有 Astra 完成；搭积木塔无人拿满分——Sol 甚至搭好了又亲手推倒。
效率反差：模型完成一项任务平均约半小时，而人工基线仅约 20 秒，慢近两个数量级；时间约六成花在规划、两成花在理解环境，实际机械臂运动仅占 13%。Astra 每项任务平均调用成本 16.36 美元，Sol 只要 1.93 美元但分数低 4.8 分。抓取成功率普遍仅三至四成。
行业争论：通用大模型已能借编程 Agent「动手」，但具身智能公司（如自变量王潜、破壳许华哲）认为复杂物理交互仍需专门的数据、VLA 与控制策略——能完成一次和低成本可靠地完成上百次是两回事。首批名单没有中国模型，Qwen、Kimi、GLM、DeepSeek 何时上榜值得关注。
所属事件:AA-Robotics 基准发布：GPT-6 Astra 操控机械臂登顶(3 条相关)→
「具身」频道最新
- 开发者用 NVIDIA SimReady 资产搭出 24/7 自动跑实验的湿实验室仿真 — davidfromkansas · 2026-11-04
- 黑客马拉松 22 个 SAM 3.1 用例: wildfire 定位到文档修复 — Vjeux · 2026-11-04
- OpenAI 前机器人实习生上 Cerebras 播客,拆解爆火 Astra 机器人绘画 demo — AccBalanced · 2026-11-04
- 实证研究:闭源 VLM 全面领先机器人任务,开源模型规划能力掉队 — Haojian Huang · 2026-11-04
- PrimeBot 发布 PrimeSim:跨本体大规模演示训练的通用世界模型模拟器 — Travis Davies · 2026-11-04
- 旧金山本周末办 Physical AI 黑客松：Dream-1 世界动作模型零样本任务+万元奖金 — Scobleizer · 2026-11-04