5699 场真机对战：宇树 G1 五个任务 8 个模型全部失败，跨本体排名一致性仅 0.24

DJiafei · x · 2026-11-05

RoboColosseum 首批真机评测结果：在 124 个场地对 8 个模型（5 个 VLA + 3 个前沿 Agent）跑了 5699 场对战，宇树 G1 人形机器人的五个任务没有一个模型完成。更意外的发现是跨本体排名一致性只有 0.24——在 A 机器人上排第一的模型，换台机器人排名完全对不上。作者由此评论：厂商演示视频不算撒谎，只是没人给它出难题；真实验收得看跑了几个任务、几次、在谁的场地上，这活更可能由收工时费的操作员来完成。