GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关

资讯 AI 行业观察 作者:衡宇 全文 2928 字 · 约 8 分钟读完 配图 9 张 分类GPTGPT-6OpenAI具身智能

GPT-6.2 Astra又给具身智能上强度了,狠狠来了一计天马流星拳。

所属频道 大厂动态ChatGPT 与 GPT机器人与具身智能

衡宇从凹非寺发回,量子位公众号 QbitAI 出品。

具身智能又一次被GPT-6.2 Astra上了强度,这一击相当猛。

XDOF是一家做机器人基础设施的公司,它最新实测显示,GPT-6.2 Astra操纵双臂机器人做16项操作任务,综合成功率41.2%;两个月前GPT-6 Astra只有19.6%,如今翻了一倍还多。

打结和展开T恤这两项,以前没有哪个AI能过关,这回也被它拿下了。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 1)

成绩公布之后,OpenAI Developers官方账号转发了消息,OpenAI联合创始人兼总裁Greg Brockman也发了声,语气颇为得意:

“GPT-6.2 Astra在机器人技术方面表现得非常出色~~”

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 2)

评测的严谨性也有保障:XDOF让六台YAM工作站并行跑,每项任务重复三十次,一天能做480场实测;子步骤、抓取失误和碰撞都由人工标注,硬件偏差与随机扰动则被滤掉。

标准定得这么严,XDOF在最新推文里还是说,Ember‑0基准可能过不了多久就会被模型能力跑满。

两个月成绩翻倍,到底有多强?

想知道这次突破含金量多少,先得看清测试任务难在哪儿。

XDOF推出的Ember-0测试,就是GPT-6.2 Astra参加的这一套。

它面向真实物理环境,让双臂机器人完成16项操作任务,每项任务按30次重复测试的协议执行。

空间推理、物体抓取、双臂协作、工具使用、精细操作、柔性物体处理,这些能力都在测试范围内。

两个月前,GPT-6Astra在Ember-0测试里的综合任务成功率是19.6%。

换成GPT-6.2 Astra,数字冲到了41.2%,多了21.6个百分点,超过原来的两倍;41.2%是16项共享操作任务成功率的等权平均,覆盖物体抓取、空间推理、双臂协作、工具使用等多种能力。

也就是说,进步不是靠某一项任务单点突破,GPT-6.2 Astra在整套测试里的表现都明显上了一个台阶。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 3)

最抢眼的是“给绳子打结”和“展开T恤”这两项,GPT-6.2 Astra轻松完成。

此前Ember-0一共做了143次有效的T恤展开测试,没有任何一个模型成功完成过这个任务。

这两项标志性突破之外,Ember-0涵盖的其他多项任务里,该模型的表现同样有明显进步。

  • 需要物理推理的“拉动毛巾取回远处毛绒玩具”和“倾斜托盘让球滚入碗中”
  • 考验记忆与感知的“寻找被遮挡马克笔”与“遵循红色便签上的隐藏指令”
  • 考验精细力控的“不捏碎薯片并移动”“用夹子夹起面包”和“端麦片上托盘”
  • ……

各个子任务的检查点完成度和最终成功率,GPT-6.2 Astra都提升显著。

最明显的是用夹子夹起面包:GPT-6Astra成功率只有10%,GPT-6.2 Astra则到了90%。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 4)

打结、展开T恤,这两件事对机器人来说究竟难在哪?

想知道GPT-6.2 Astra这回的突破分量有多重,先得看清楚“打结”和“展开T恤”这两个任务有多坑。

机器人学习这个圈子里,Diffusion Policy、ACT、RT-2这类视觉-语言-动作模型(VLA)以及专用策略模型,通常都得靠海量人类示教数据才能学会操作技能。

流程是人先做示范,机器人再从示范里学怎么抓、怎么移、怎么放。

面对刚性物体和固定流程,这条路已经走得挺顺。

杯子、箱子这类东西几何形状比较稳定,抓哪儿、怎么走都比较容易预判,模型训练之后往往能形成相对稳定的操作策略。

可一旦换了物体、换了环境,或者要把几个动作串成更复杂的任务,原来的策略就未必管用了。模型可能得重新采集示教数据、再补训练,才能适应新的操作条件。

柔性物体又把难度往上抬了一截。

展开T恤也好,给绳子打结也好,物体形态会跟着机械臂每一次接触、抓取和拉扯不断改变,形变过程也很难提前算准。机器人不光要理解“把衣服展开”这个目标,还得从腕部和顶部摄像头传回的画面上,持续判断衣物的角点、褶皱和整体形态,再决定下一步怎么动。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 5)

操作精度和双臂配合,要求都相当高。

抓取位置或者动作节奏差一点,衣角就可能滑落、绳索就可能缠绕,前面做完的动作也可能白费。

在XDOF的评测体系里,“打结”和“展开T恤”这两项任务对应的核心能力标签,覆盖了形变控制、双臂协调、精细操作(Dexterity)以及长程规划(Long horizon)。

硬件没有触觉反馈,大模型每次输出动作块(Action chunk)之间还有十余秒到二十余秒的推理延迟,机械臂等新决策的这段时间没法实时微调,每一次接触控制和失败恢复的代价都很高。

所以打结和展开T恤考的是整套综合能力:三维空间理解、双臂协同配合、精细接触控制、基于历史记录的动态状态追踪,还有长程任务规划。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 6)

速度也是第二系统模型一直绕不开的坎。此前外界对这类模型的批评之一,就是推理太耗时,难以满足机器人实时操作的要求。

这回GPT-6.2Astra在速度上也有改进。

模型发布期间,其平均预测延迟从GPT-6Astra的15秒降到了10.1秒。

但跟其他模型架构比,这种推理方式的效率还是偏低。机器人要连续感知、快速响应,10秒左右的等待依然不算短。

总体来看,具身智能模型在简单抓取和物体摆放上常常表现不错,可一碰上复杂接触、工具使用和柔性物体,成功率就明显往下掉。

XDOF之前公布的Ember-0测试结果也暴露出类似问题。

比如模型一般能理解任务、规划出看起来合理的动作,真落到机械臂上,却容易在抓取、接触和连续操作这些环节掉链子。

GPT-6.2Astra这次的突破,恰好说明通用模型已经开始啃下这些难点。

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 7)

△图片由AI生成

从行业视角看,通用大模型对具身智能的冲击,也正沿着这条路线持续往前走。

英伟达研究团队曾拿GPT-6 Astra直接当机器人的策略模型来跑,Claude也在机器人模拟环境里展示了复杂的操作能力,Google DeepMind则把Gemini的多模态理解延伸到了机器人控制上。通用模型一轮接一轮地推高具身智能的能力上限。

One More Thing

新加坡国立大学总统青年教授Jiafei Duan长期活跃在机器人与具身智能领域,他随后发帖称赞了GPT-6.2 Astra“入侵”具身智能的表现。他提到的真实机器人对比测试里,GPT-6.2 Astra发挥得相当亮眼,仅用一天就登上RoboColosseum的SO-101 Elo排名第一。

实际操作情况,请看小屏幕:

GPT-6.2 Astra:16项任务成功率41.2%,打结展开T恤首次通关(配图 8)

初代模型面对柔性操作时毫无办法,到GPT‑6.2 Astra在两个月内把成功率翻了一倍、还攻下了多项原本零分的任务,前沿多模态大模型在物理世界里的进步速度正不断加快。

而且快得让人有点接不住。累了,累了。

我宣布,11月的每一天都是AI领域的眩晕瘫坐日(bushi)。

参考链接: [1]https://x.com/xdofai/status/2123822012066157011 [2]https://x.com/djiafei/status/2123925760281067567?s=46

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  2. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  3. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  4. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  5. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  6. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  7. Anthropic数学家称用Claude找到黎曼猜想证明,超25万页

    Anthropic数学家莱文特·阿尔珀格。图片经由AI处理文丨苏扬编辑丨徐青阳如果AI能够证明黎曼猜想,需要等到什么时候?2022年2月份,OpenAI CEO山姆·奥特曼在介绍GPT攻克数学竞赛题时,发出了类似的疑问。四年多后,这个问题最终被“解决”,只不过利用AI证明黎曼猜想的是OpenAI的“死敌”Anthrop

    来源 腾讯网
  8. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  9. 问诊AI?一场死亡背后的追问

    2026年2月,美国西雅图,31岁的华人女工程师万博雯被发现死于公寓。法医鉴定为癫痫猝死,她体内抗癫痫药物拉莫三嗪的浓度,仅为治疗下限的五分之一。 警察介入调查后发现,她曾咨询ChatGPT如何用药并按照其建议擅自修改了医生诊断的用药剂量。 她至少158次向其表达过对减药的担忧,描述过意识混乱、时间感丧失等症状。但每一

    来源 AI 行业观察
  10. GPT-o3代码执行暴跌28.3分 主榜单日下滑20.2分

    GPT-o3今日Smoke评测主榜从78.08分跌至57.92分,代码执行维度从73.80分降至45.50分,材料约束从83.30分降至73.10分。工程判断升至97.00分,诚信评级维持pass。单日10题抽样导致的波动需与模型真实退化区分。

    来源 AI 科技快讯
  11. AI自己改造外部装备,中科大论文梳理自我进化四条边界

    你有没有想过,为什么同一个AI模型,换个用法就判若两人?同样是GPT-5.5,有的团队用它写代码效率翻倍,有的团队却总觉得它笨手笨脚。差别往往不在模型本身,而在那套包裹着模型的"装备"——提示词怎么写、记忆怎么存、工具怎么调、出错了怎么恢复。这套装备有个专业名字,叫做harness。更有意思的问题是:如果让AI自己去改

    来源 腾讯网
  12. OpenAI首款AI硬件揭秘:苹果班底操刀,富士康立讯分食订单

    OpenAI确实是挖到苹果的「大后方」了。 证券时报11月19日一早就援引供应链消息指出,富士康旗下富智康集团(FIH)已经获得OpenAI手机项目订单,将参与相关产品的整机组装。事实上,前一晚每日经济新闻也援引供应链人士表示,立讯精密目前与OpenAI有多个产品的全面合作,「或因资源配置的统筹考量未承接手机组装业务。

    来源 AI 行业观察
  13. 全球算力进入“后黄仁勋时代”

    国产算力需求升温,资本从具身智能向半导体转移作者/ IT时报 毛宇编辑/ 郝俊慧 孙妍黄仁勋离开英伟达的方式,比市场预想的更突然。当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利益,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在20.

    来源 腾讯网
向下滚动自动加载更多