GPT-6.2 Astra机械臂测试得分79,OpenAI解散独立机器人团队
OpenAI裁撤机器人团队,通用模型“杀死”垂直模型?
GPT-6.2 Astra在真实机械臂测试中拿到头名,通用大模型直接驱动机器人的能力又往前迈了一步。
独立评测机构Artificial Analysis公布的AA-Robotics v0.1榜单显示,GPT-6.2 Astra得分79,8项物理任务完成了6项。
拿到高分的并不只有OpenAI的旗舰模型,能力相对弱一些的GPT-6.2 Sol也得了78分。
这项基准测试不许模型做专项训练,全程都是零样本设定。模型靠写代码直接操控一台6轴机械臂,去挪动真实物体。
过去机器人厂商的看法比较一致:机器人垂直模型在适配、力控这些环节更占优,比通用模型更贴合机器人。
现在看,通用模型一路迭代下来,性能往上走,垂直模型的位置或许会被它顶掉。
梁文锋也讲过类似的判断。在他看来,具身智能要突破,可以搭在通用模型能力不断进化这个底座上。
梁文锋的AI路线里,通用模型自身能力进化是通向AGI的主线,具身智能只是这条线的延伸。
1
11月13日,外媒报道称OpenAI把独立的机器人团队撤了,原班人马并入公司主要研究团队,应用机器人和硬件团队则被划到其他部门。
OpenAI向媒体确认,这次调整的原因是通用模型控制机器人表现不错。
研究人员发现,把GPT-6 Astra接到机器人上,它已经能参与一些具体任务的执行,表现让人惊喜。
其实GPT-6 Astra发布之后,用Astra驱动机器人的尝试已经出现过一轮。独立评测机构Robocurve的实机测试里,双臂机械臂做“抓取方块并放入碗中”这个任务,Astra成功率95%。
这些实验给通用模型控制机器人添了更多现实依据。OpenAI随即把成立不到半年的独立机器人团队并入主要研究团队,研究人员转去做通用人工智能模型研发。
说到底,OpenAI换了一条技术路线:通用模型既然已经能控制机器人,就不必再单独为机器人研发一套“空间智能”专门模型。
这其实不是OpenAI头一回在机器人技术路线上调头。
2019年OpenAI就组建过机器人团队,想用强化学习等办法让机器人学会抓取、摆放物体。可到2020年,这支团队就散了。
联合创始人Wojciech Zaremba曾解释,机器人数据有限,用别的办法实现AGI效率更高。此后OpenAI把精力放到大语言模型上,2022年推出ChatGPT。
多模态模型发展起来后,OpenAI又把目光转回机器人。
2024年,OpenAI与人形机器人公司Figure AI合作,试着把大模型能力用到机器人身上。
当时OpenAI副总裁Peter Welinder表示,与Figure合作是想探索在大型多模态AI模型支持下,人形机器人能达到怎样的智能化水平。
后来Figure AI放出的Figure 01演示视频里,机器人能按人类指令完成简单的物品递送。这轮合作中,OpenAI的模型提供了视觉理解和语言交互能力。
不过一年后,Figure AI宣布结束合作,转向自主研发机器人AI。
OpenAI对机器人的心思没断。2026年初,OpenAI研究人员开始摸索另一条路线:从Sora这类视频生成模型入手。
Sora作为视频生成模型,能理解物体、空间和运动之间的关系,对物理世界怎么运作有一定把握。
OpenAI这么做,并不是独一份。2025年初,具身智能领域最流行的做法还是VLA模型;到了年底,VLA在跨场景泛化等环节的不足逐渐暴露,业内的注意力于是转向了世界模型。
今年6月,Sora关停两个月后,Sam Altman宣布成立机器人部门“OpenAI Robotics”,将Sora团队整体转向机器人研发。由Sora之父、DALL-E 创始人Aditya Ramesh领导,把Sora积累的世界模拟技术迁移到机器人训练上,短期聚焦工业辅助机器人,长期目标是消费级人形机器人。但这条路线很快又出现了变化。
这个部门才成立三个月,今年9月,OpenAI就推出了GPT-6 Astra。他们发现,通用模型自己就能介入机器人任务。与其专门去研究机器人的世界模拟技术,不如直接借用通用模型现成的视觉理解、推理和任务规划能力,这条路同样走得通。
卡内基梅隆大学机器人研究所助理教授Guanya Shi给出的评价是,这说明在OpenAI看来,机器人技术“不再是一个特殊问题”。
在机器人技术这条路上绕了一圈后,OpenAI又将目光转向了通用模型。
2
OpenAI的变化并非孤例。通用模型在机器人任务上的表现,正在让行业审视这条技术路线。
英伟达10月发布的Astranomy研究,直接使用GPT-6 Astra控制仿真机器人。在RoboLab-120测试中,直接控制方案取得66.3%的任务成功率。
英伟达机器人部门负责人Deepu Talla近日接受采访时称,GPT-6 Astra的出现,是推动机器人具备多任务处理能力的一项重大突破。Anthropic发布的Claude Fable 5.2,也展示了类似能力。模型控制机器人完成了多种任务,如解魔方、拧开瓶盖以及画机器人等。在RoboDojo Sim仿真基准中,Fable 5.2平均成功率达到64.9%,同一测试框架下GPT-6 Astra的成绩为29.8%。
虽然这一技术路线还未成熟,但至少说明,通用模型正在成为具身智能研究中值得尝试的一条路线。在中国,机器人公司也在关注这一变化。
宇树就正在探索大模型用于机器人这条路线,王兴兴甚至直言:“明年GPT-7出来,可能直接把具身智能问题打穿。”

在这之前,宇树一边推VLA模型,一边也在摸世界模型。王兴兴说过,去年宇树把基于视频生成的世界模型重新拾了起来。通用VLA模型UnifoLM-VLA-0,还有WMA(世界模型—动作)模型,都是宇树发布的。
不过近来,宇树又试着把GPT-6 Astra用到机器人实验里。按王兴兴的说法,不用提前写复杂程序,只给提示词,机器人就能画画;再比如,机器人不光能认出棋盘,还能把棋子准确放到对应位置。他特别提到,这些实验都是在“零训练”条件下做完的。
智元机器人也在往相近的方向走。日前稚晖君团队公开了一篇论文,核心思路是让会聊天的大模型和能动手的机器人身体接上。模型不光听得懂语言指令,还能调动机器人的身体去指真实物体、做身体动作、做面部表情。
这意味着,机器人公司正在尝试把通用大模型的能力“接”进机器人身体里,来推进具身智能。这也让梁文锋此前的判断有了新的参照。
世界模型在具身智能圈子里热起来的时候,梁文锋对这条路显得比较克制。他更在意通用模型自身能力的进化,把它当作通向AGI的主线。按照梁文锋的AI路线设想,Agent之后先要解决AI模型的持续学习能力,接着是能自我迭代的奇点,具身智能排在再后面。
也就是说,他主张先把通用模型做得足够强,再让这份能力往物理世界延伸。这和OpenAI最新的调整有几分相似。两边都指向同一个判断:做具身智能,未必非得从零训一套独立的机器人智能;通用模型能力往前进化,同样可能成为机器人走向具身智能的一条路。
其实,两家公司的动作都越过了模型本身。
OpenAI一边调整机器人业务,一边投资了多家机器人企业。DeepSeek同样在向具身智能延伸:参与宇树科技配售,与宇树签下三年战略合作,还投资了Winverse AI、理格万物等公司。
3
通用大模型接入机器人正成为新趋势。不过,这并不代表VLA模型和世界模型就此退场。
这几年,具身智能的主流技术路线换过几轮:先VLA模型,再世界模型,随后是通用大模型。只是谁也没有真正取代谁。
最早被关注的是VLA模型。VLA即视觉-语言-动作模型,说白了,就是让模型同时处理摄像头画面和人类指令,再把理解结果转成机器人的动作。
这条路线能出现,和当时大模型的发展阶段有关。那时大模型已经具备一定的语言和视觉理解能力,却还不能直接控制机器人;机器人自身数据有限,从头训一个机器人模型又很难。
2023年7月,Google DeepMind发布VLA模型RT-2。它能从网络和机器人数据中学习,并将这些知识转化为机器人控制的通用指令。
VLA路线在当时提供了一种可行方案。问题是,VLA缺乏泛化能力,也缺乏自主性,机器人因此无法适应复杂的现实环境。
现实物理世界里,机器人要应对持续发生的物理变化。它不光得知道眼下该做什么,还得判断这样做之后,世界会变成什么样。
所以,视频生成模型问世后,厂商普遍认为它有望取代VLA模型。
2024年2月,OpenAI发布Sora,技术报告里提出:大规模视频训练可以成为构建物理世界模拟器的路径。
互联网上存着大量人类活动视频。拿东西、搬东西、走路、整理物品,这些动作都被记录在视频里。模型若能从视频中学习物体运动、空间关系和动作后果,就有机会把这种能力迁移到机器人身上。
可视频生成不等于能控制机器人。于是行业开始尝试把世界预测和动作生成结合起来,形成世界动作模型(WAM)。
换句话说,VLA侧重从观察到动作的映射;世界动作模型则想把对未来的预测也纳入动作决策。
但世界模型仍面临不少问题,模拟出来的物理过程,未必能在现实环境中准确复现。
Astra之后,行业又开始探索另一种可能:通用大模型能不能直接承担机器人的任务理解、规划和决策?
通用大模型要是真够聪明,机器人还用得着VLA模型在模型和身体之间当中间层吗?斯坦福团队和加州理工联手发布的具身智能项目HomeBody,正好给了一个可以看的例子。
HomeBody给出的答案是:在一定任务范围内,可以不需要。
研究人员把GPT-6 Astra接入宇树G1人形机器人,让机器人直接调用预先构建的机器人技能库。进入没见过的厨房后,机器人根据人类指令完成了整理和物品寻找。

Anthropic后来发布的Fable 5.2也是这样。Fable 5.2在控制机器人上有明显提高,即便是它从未专门训练过的机器人任务,也能游刃有余。
这意味着,随着模型推理能力增强,一些原本需要专门训练的机器人技能,可能开始从通用模型中涌现出来。
具身智能的一个核心问题,是让机器人理解环境,并判断行动可能带来什么结果。世界模型的思路是从视频中学习,再模拟未来;通用大模型的思路则是利用已有的推理能力分析任务,再用于任务规划。
两条技术路径的做法不一样,瞄准的却是同一件事——让AI能在真实世界里动手做事。