GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍

资讯 凤凰科技 作者:量子位 全文 2804 字 · 约 8 分钟读完 配图 9 张 分类GPTGPT-6OpenAI具身智能

但是总的来说,具身智能模型往往在简单抓取和物体摆放上表现不错,一旦遇到复杂接触、工具使用和柔性物体,成功率就会明显下降。

所属频道 大厂动态ChatGPT 与 GPT机器人与具身智能

衡宇 发自 凹非寺

GPT-6.2 Astra又给具身智能上了一课,这一拳打得够狠。

机器人基础设施公司XDOF最新实测显示,GPT-6.2Astra操控双臂机器人完成16项操作任务,综合成功率从两个月前GPT-6Astra的19.6%升到41.2%,翻了一倍还不止。

打结、展开T恤这两项以前没有AI能通关的操作,这回也被它拿下了。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 1)

OpenAI Developers官方账号转发了成绩,OpenAI联合创始人兼总裁Greg Brockman也发了话:

“GPT-6.2 Astra在机器人技术方面表现得非常出色~~”

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 2)

评测做得并不含糊。XDOF用六台YAM工作站并行跑,每项任务重复三十次,一天下来能完成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。

标准这么严,XDOF还是在最新推文里说,Ember‑0基准可能很快就会被模型能力跑满。

两个月成绩翻倍,到底有多强?

想知道这次突破有多少含金量,先得看清测试任务难在哪儿。

GPT-6.2Astra参加的是XDOF推出的Ember-0测试,这套基准面向真实物理环境,让双臂机器人完成16项操作任务,每项按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,这些能力都在考察范围内。

两个月前,GPT-6Astra在Ember-0上的综合任务成功率是19.6%;到GPT-6.2Astra,数字升到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,涵盖物体抓取、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-6.2Astra在整套测试里的表现都上了一个台阶。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 3)

最抢眼的还是“给绳子打结”和“展开T恤这”两项,GPT-6.2Astra轻松拿下。

此前Ember-0累计做了143次有效的T恤展开测试,没有一个模型能完成这任务。

除了这两项标志性突破,Ember-0的其他多项任务里,该模型的表现也有明显进步。

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”。

……

GPT-6.2 Astra在各个子任务的检查点完成度与最终成功率上,都出现了显著提升。

夹起面包这一项进步最直观:GPT-6Astra成功率仅有10%,GPT-6.2Astra直接拉到90%。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 4)

打结、展开T恤凭什么这么难?要看懂GPT-6.2 Astra这回突破的分量,先得弄清楚这两个任务对机器人意味着什么。

机器人学习领域里,Diffusion Policy、ACT、RT-2这类视觉-语言-动作模型(VLA)以及专用策略模型,普遍要靠海量人类示教数据学操作技能——人先做示范,机器人再照着学怎么抓、怎么移、怎么放。

面对刚性物体、固定流程,这套路子已经跑得不错:杯子、箱子几何形状稳,抓哪儿、走什么轨迹都好预判,训练之后模型通常能形成比较稳的操作策略。

可一旦换物体、换环境,或者把几个动作串成更复杂的任务,老策略就未必管用。模型可能得重新采示教数据、补训练,才能适应新的操作条件。

柔性物体再把难度抬高一截。展开T恤、给绳子打结时,机械臂每碰一次、抓一次、拉一次,物体形态都在变,形变过程又很难事先算准。机器人既要理解“把衣服展开”这个目标,还得从腕部和顶部摄像头画面里不断判断衣角、褶皱和整体形态,再定下一步动作。操作精度和双臂配合的要求因此很高。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 5)

抓取位置或动作节奏差一点,衣角就可能滑落、绳子就可能缠住,前面做的全白费。在XDOF评测体系里,“打结”和“展开T恤”对应的核心能力标签包括形变控制、双臂协调、精细操作(Dexterity)以及长程规划(Long horizon)。

何况硬件没有触觉反馈,大模型每输出一个动作块(Action chunk)之间还有十余秒到二十余秒的推理延迟,机械臂等新决策的时候没法实时微调,每次接触控制、每次从失败中恢复,代价都极高。所以这两项任务考的是整套本事:三维空间理解、双臂协同、精细接触控制、依据历史记录做动态状态追踪,以及长程任务规划。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 6)

速度也是第二系统模型绕不开的坎。此前外界批评这类模型的一大理由,就是推理太慢,达不到机器人实时操作的要求。这次GPT-6.2Astra在速度上有改进:模型发布期间,平均预测延迟从GPT-6Astra的15秒降到10.1秒。

但放到其他模型架构旁边比,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,等上10秒左右依然不算短。整体来看,具身智能模型在简单抓取和物体摆放上往往表现可以,一碰上复杂接触、工具使用和柔性物体,成功率就掉得明显。

XDOF早前公布的Ember-0测试结果也暴露了类似毛病:模型一般能读懂任务、规划出看着合理的动作,真到机械臂上执行,抓取、接触、连续操作这些环节却容易出岔子。GPT-6.2Astra这次的突破,恰好说明通用模型已经开始啃下这些硬骨头。

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 7)

△图片由AI生成

放到行业层面看,通用大模型对具身智能的这轮冲击,正沿着同一条路径往前推。

英伟达研究团队测过GPT-6Astra直接当机器人策略模型用;Claude在机器人模拟环境里展现出复杂操作能力;Google DeepMind则把Gemini的多模态理解能力往机器人控制上延伸。通用模型一轮接一轮,把具身智能的能力边界往上抬。

One More Thing

新加坡国立大学总统青年教授Jiafei Duan长期做机器人、具身智能方向,他随后也发帖称赞了GPT-6.2 Astra“入侵”具身智能的表现。

他们做的真实机器人对比测试里,GPT-6.2 Astra表现相当亮眼,一天之内就冲到RoboColosseum的SO-101 Elo排名第一。

实际操作情况,请看小屏幕:

GPT-6.2 Astra机器人实测成功率41.2%,较GPT-6 Astra翻倍(配图 8)

从初代模型面对柔性操作束手无策,到GPT‑6.2 Astra两个月内把成功率翻倍、攻下多项零分任务,前沿多模态大模型在物理世界里的演进步伐一直在加快。

而且快得让人有些应接不暇。

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)。

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推出GPT-6.2 Sol:跑分只差Astra 0.5分,成本仅五分之一

    OpenAI推出GPT-6.2 Sol,定位为高效主力模型。它在代码和生活任务评测中逼近旗舰Astra,但成本低至五分之一。Sol支持多步Agent工作流、3D交互设计及网络安全辅助,并向Pro及以上用户开放Ultrafast模式,适合日常办公与轻量开发场景。

    来源 AI 应用前沿
  2. 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
  3. 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
  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. 贝佐斯重返一线:Prometheus估值410亿美元,要做物理世界的OpenAI

    卸任亚马逊 CEO 五年后,杰夫·贝佐斯没忍住,又给自己找了个班上。 当地时间 2026 年 11 月 17 日,加州门洛帕克的 Semafor「硅谷与世界」峰会现场,贝佐斯和物理学家维克·巴贾杰(Vik Bajaj)罕见同台。他现在的最新头衔,是 AI 初创公司 Prometheus 的联合创始人兼联席 CEO。这是

    来源 AI 行业观察
  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. 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
  10. 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
  11. 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
  12. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    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
  14. 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
向下滚动自动加载更多