GPT-6-Astra 裸测翻车:12 项具身基准 11 项远低于公布成绩

wzenus · x · 2026-11-20

StarVLA 社区发布 starRoboEval 测试,质疑近期 GPT-6-Astra / Fable 5.2 在机器人任务上的亮眼成绩有多少来自模型本身、多少来自针对基准定制的 harness。

方法

结果

结论

一旦去掉基准定制,前沿模型的原生机器人控制能力与已发表分数差距巨大,提示现有具身基准分数混杂了 harness 与仿真器状态的贡献。全部评测录像已在项目页公开。

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →