公告 AiTest123 交流群已开放 欢迎进群交流功能建议、产品想法、数据问题和使用反馈

AiTest123.comAiTest123.comAI 评测与可信度检测平台

Manifold AI登顶RoboDojo-Agent：机器人自进化立标杆

资讯 雷峰网 全文 6131 字 · 约 16 分钟读完 配图 16 张 分类GPTGPT-6OpenAI智能体机器人

GPT-6 Astra 才拿了28.97分，而 WorldScape R²SI 把分拉到 46.58！

所属频道 大厂动态ChatGPT 与 GPT智能体与 Agent机器人与具身智能
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
GPT-6 Astra 的分数是 28.97，WorldScape R²SI 直接干到了 46.58。

任务很简单：拿一把尺子，把三个积木对齐。
机器人干完了活。可放到 RoboDojo 的记分规则里，这一趟没分。
卡住的不是结果，是过程。这项任务给的预算是 200 个原生动作步，它跑了 215.1 步。超了预算，在记分表上跟没做完是一回事。
接下来它做了件机器人以前做不到的事——调出自己的失败轨迹，回头改。
改法有好几处：夹爪张开，用推的方式带尺子；原本分开的“接近”和“调整姿态”两步并成一步；细碎的试探动作减掉；转手腕之前先把夹爪抬起来。
改完重考，还是那 8 种布局。8 次全在预算内做完，平均步数从 215.1 掉到 140.4。
这中间没换模型，没重新训练，也没有工程师动过一行控制代码。变的是它干活的方式。
系统名叫 WorldScape R²SI（Recursive Robot Self-Improvement，机器人递归自进化），出自 Manifold AI 流形空间。
说白了就一句话：每次执行都变成下一次的经验，做得越多越强。
这套框架登顶的是 RoboDojo（Agent Track），有“具身智能界的珠穆朗玛峰”之称。宏观进度分数 46.58 分，把 RoboDojo 榜单的分数上限又往上推了一截。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆

01

46.58 分的“含金量”

要弄懂 46.58 分有多重，得先看 RoboDojo 这张卷子特殊在哪。
RoboDojo 今年 7 月才发布。牵头的是香港大学多媒体实验室（MMLab），清华、UC 伯克利等全球近二十所机构一起参与建设，班底来自知名仿真基准 RoboTwin。
仿真部分 42 个任务，真机 18 个任务，覆盖三种双臂平台。考察分五个维度：泛化、精细操作、长程执行、记忆、开放语义理解。
换成大白话：换了没见过的物体还认不认得出；拧瓶盖、插钥匙这类手上的活过不过关；连着干十几步还记不记得自己在干什么；一句从没听过的指令听不听得懂。
发布当天，它给具身行业浇了一盆冷水。团队评测了 30 个代表性策略，仿真榜第一的平均成功率只有 8.80%，真机榜第一 12.8%。
同样的任务交给人类专家，仿真 76.03%，真机 100%。人和机器之间差着 67 个百分点。行业公司也因此把 RoboDojo 叫做“具身智能界的珠穆朗玛峰”。
峰立在那儿，模型厂商开始攀登竞速。三个月后的今天，Manifold AI 流形空间用 WorldScape R²SI 把 Agent track 的分数拉到 46.58 分，成功率 39.35%。
Agent 这条赛道拼的是一整套系统能否从头到尾把事做完——自己判断场景、自己拿主意、自己调工具去执行，而不只是某个策略模型手上的功夫。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
此前冲榜出圈的 GPT-6 Astra，在这个赛道上只拿了 28.97 分。精细操作成功率 4%，长程任务 8.25%，另有 16 项任务一次都没成功。
WorldScape R²SI 的精细操作成功率到了 15.5%，接近 4 倍；长程任务 34.25%，翻了 4 倍多。
最出彩的是泛化，35.83%，把第二名及以后的模型甩开了一个身位。
这正是一个 Agent 系统该有的样子：手上功夫可以慢慢练，把没见过的任务听懂、记住、干完，才是这次登顶真正量出来的东西。
能拿下这些成绩，靠的是两样东西：R²SI，还有 Manifold AI 流形空间三个月前就动手布下的 ICL 能力。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆

02

R²SI：让机器人在执行经验里持续变强

R²SI 是 WorldScape R²SI 此次登顶的框架底座。它没给机器人换大脑，而是在外面加了一层“执行—复盘—再验证—自进化”的循环。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
图为 WorldScape R²SI 框架
这个循环里套着内外两层 Agent。
内层叫 Robot Reactive Agent，管的是读懂当前任务、把记忆和技能组织起来、调用动作模型和工具。说白了，真正动手干活的就是它。
它怎么干活？把多视角 RGB 图像、机器人本体状态、任务描述和回合记忆拼成上下文来做判断，再按任务加载对应的 Skill 上手。
调用反应式模型（WSP，即 WorldScape Policy）本身也算一种 Skill。加载之后，Robot Agent 看着观测去调 WSP，WSP 执行完一个动作块就把控制权交还，Robot Agent 再凭新的观测定下一步，一轮轮这么转。
外层叫 Recursion Reflective Agent，管的是跨轮次翻执行记录、改 Skill，最后以 Harness 更新的形式落到内层身上。
碰上用 WSP 的任务，外层还会把执行记录整理成训练数据，拿去训练并更新这个模型。不管哪类更新，都得先过测试，才能自动发布、进版本管理。
内层和外层各自怎么运转，下面两个案例可以看清楚。

▎案例一：push_T，外层动手改 Skill

RoboDojo 的 push_T 任务里，机械臂要把 T 形物体顺着桌面推进目标区域，位置、朝向、接触状态得同时达标，预算是 600 个原生动作步。整个过程不碰 WSP。
第一轮跑下来，Robot Agent 的夹持方向和物体形状对不上，平移的时候还一块儿转向，物体一路跑偏；好不容易对齐，夹爪又一次性松开，位姿再次被晃歪。723 步，超了 123 步，按未完成算。
外层 Recursion Agent 复盘出的毛病很具体：夹持方式不对、平移和转向搅在一起、释放时机太急。
接着照这几条改 Skill：夹持方向调过来；平移和转向拆开，先平移、再分段转向；夹爪分阶段释放，每放一段就查一次物体有没有偏。
改完的版本过了测试，自动下发到内层 Robot Agent。
新 Skill 第一次就在预算内拿到原生满分，用了 596 步。后面再迭代，同一布局下的原生动作步数又压到 389，降了约 35%。
一路优化下来，外层复盘的价值不只是改对一次，更在于这种越改越强的持续进化本事。
Skill 冻结、外层收手之后，Robot Agent 在三种此前没见过的随机布局上自己跑——222、312、256 步，全部满分，全部没超预算。
这说明外层改出来的不是只对某个布局管用的答案，而是一套能搬走的方法。
整个改进过程以 Skill 的形式留下来、摆出来，人看得懂、也审得了。它不是黑盒里一次看不见的参数漂移，而是一次能检查、能回滚的版本更新。机器人头一回有了“改作业”的能力，而且每一笔都查得到。

▎案例二：装箱，内层调模型，外层复盘再训练

任务换成装箱之后，Robot Agent 光靠外层改 Skill 不够了，内层得“练功夫”，外层复盘完还要接着给模型做“功夫训练”。
具体怎么分工？Robot Agent 看着观测结果去调反应式模型 WSP，WSP 跑完一个动作块就把控制权交回来，它再照着新观测定下一步，一轮接一轮。接下来外层 Recursion Agent 把执行记录整理成训练数据，拿去训练 WSP，更新过的模型继续给内层用。同一个模型，一边干活，一边在外层 Agent 的训练下不停变好。
外层和内层这两条路一合，R²SI 的改进就成了完整一圈：外层复盘把经验固化成能审查的 Skill 版本，内层调用把执行记录喂回去当 WSP 的训练数据。经验既能“写成规则”，也能“练成功夫”。机器人在一次次执行、复盘、再验证里越来越强，靠的不是换一次脑子或者调一次参数。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆

03

R²SI 之外，ICL 的能力边界

再说 ICL。R²SI 并不是一次孤立的能力布局，WorldScape R²SI 能登顶 RoboDojo，ICL 同样是背后的技术支撑。三个月前，Manifold AI 就发布过带上下文学习能力的 WorldScape Policy 2.0。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
WorldScape Policy 2.0 总体框架
论文链接：https://arxiv.org/pdf/2607.18840
按老办法，来一个新任务就得收数据、微调、验证，走完一轮常常要按周算。有了 ICL，新任务的启动成本被压到“录一段示范”那么短。人类示范被直接“读”进去，从训练模型的材料变成了使用方式本身。
WorldScape Policy 2.0 拿实验数据实打实地论证了这条路走得通。记忆依赖的 Shell Game 任务里，WorldScape Policy 2.0 成功率 75%，π0.5 只有 30%，DreamZero 是 50%。
跨具身积木堆叠任务中，WorldScape Policy 2.0 在目标图片、视频示范两个版本上分别做到 60%、70%，π0.5 和 DreamZero 最高也只有 20%。WorldScape Policy 2.0 真机评测任务成功率对比这组数字说明，在需要“看一遍就会”的场景里，WorldScape Policy 2.0 的 ICL 能力确实把差距拉开了。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
这次升到 2.5，ICL 专项训练数据规模扩到约 10 万小时，能力沿着三个方向往深里走。
一是动作迁移——同一个动作能不能在不同物体之间复用。这事比听着难。拿盖印章来说，颜色形状各异的印章，位置材质不同的落款页，在机器人眼里对应的力矩曲线和接触反馈完全不一样。靠 ICL，机器人把不同形状、颜色、材质、位置物体的动作执行迁移做成了，不再是对某个物体、某条固定轨迹的简单记忆和模仿。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
二是技能组合，把多个阶段串成一条能跑完的长链。单步做对和多步连着做对，中间隔着整个错误累积的问题——第一步偏半毫米，到第五步可能就够不着了。以给鞋子穿鞋带为例，从拿起鞋子到松开鞋带，中间涉及好几个衔接的操作阶段，机器人得照着当前观察调整行为，把各阶段协调起来。这就要求它能根据动态过程中每个动作带来的新场景、新任务要求，组织已有技能，把一整条长链动作完成。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
三是长程任务，靠视觉记忆和事件记忆撑住。长程任务的难处往往不在手上，在记性：十分钟前那个杯子放在哪一层得记得，刚才那一步算不算干完也得记得。最难的地方在于，前一步的结果会直接影响后续任务，容易出“宕机”。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
Manifold AI 流形空间的办法是给 WorldScape Policy 引入视觉记忆与事件记忆机制，帮系统留住环境变化、任务进度这些关键信息。长期事件记忆把历史 VLM 输出组织成三种视图——Global-History 汇总完整轨迹，Local-Active 保留当前事件细节，Event-Boundary 捕捉子任务切换的关键节点，给出“我在做什么、我做过什么”的参照。
视觉记忆负责的另一块，是接触、运动这类局部动态——"刚刚发生了什么"同样被记住，不会漏掉。
在预训练阶段已经见过的任务上，ICL 的成绩明显压过 VLA 模型。到了没见过的新任务，两者的正确率差距还被进一步拉开。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
WorldScape R²SI 在榜单上拿到泛化第一，且把同榜其他模型甩开一大截，原因也正在这里。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆

04

ICL、R²SI

这两项能力，为什么必须一起走

表面上看，ICL 和 R²SI 是两项各自独立的技术能力。可机器人接到一个新任务，要过的其实是前后衔接的两道关：头一道是"看一遍就会"，第二道是"干一遍就比上一遍好"。ICL 负责头一道，R²SI 负责第二道。
问题恰恰出在 R²SI 这道关上：如果"边做边改"的途中，还得等新一轮微调、再做一次验证、再走一次部署，"递归进化"的效率就折损大半。
ICL 给出的正是那个热插拔接口——改完的技能不必重新训练，下一次执行时直接当上下文读进去就生效。循环能力也就此在同一个任务上转了起来。
反过来的依赖同样存在。ICL 能把新任务启动起来，可示范只覆盖示范者做过的那一种做法。示范之外的偏差、换了物体之后的力矩差异、多步串联时的误差累积，ICL 都解决不了，只能靠 R²SI 一轮一轮磨出来。
从这个层面看，两条技术路线得同时推进，才能把"一次示范"放大成"N 次自我迭代"：新任务照样一次上手，上手之后，每一次执行都在给下一次执行垫高起点。
登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆

05

模型登顶背后：Manifold AI 流形空间

46.58 分这个成绩，出自 Manifold AI——国内最早把自研世界模型当作具身基座模型的创业公司，成立至今仅一年半。
团队构成有两部分：国内学术界最早布局世界模型的研究组清华 FIB 实验室，加上工业界最早把世界模型落地的一线从业者。
创始人兼 CEO 武伟博士此前是商汤科技高管，曾带队连续两年拿下 Waymo SimAgents 挑战赛冠军。
落到具体业务布局上，Manifold AI 流形空间的技术版图并不止于基模。从数据到评测的一整套"基础设施"生态，也是它要做的：
基模这一层，WorldScape 世界模型是底座，曾以比其他模型小一个量级的参数在 WorldScore 上连续两个月占据榜首，压过谷歌、英伟达；之后推出的 WorldScape Policy 世界-动作模型，又先后在 RoboTwin、WorldArena 上登顶。
R²SI 则是模型底座最新长出的一项核心能力，基于 WorldScape Policy 做自进化，目前排在 RoboDojo Agent track 总分第一。
数据基建这块，自研的 Ego-centric、UMI、硬件在环 RL 等多种数采设备与数据管线已经跑起来，积累下数十万小时高质量数据。
评测同样参与共建。WorldArena 由清华牵头，联合普林斯顿等数十家机构，Manifold AI 是核心共建方，核心成员也出现在论文作者名单里。
这几件事没有一件轻松，Manifold AI 流形空间还是坚持同时推进。别人拿开源模型微调一个月就可能发榜，它得从世界模型底座起步，一层层往上搭数据、做模型、建评测。路更难，也更慢，但每一层都攥在自己手里，系统能力极高。
这次在 RoboDojo Agent track 登顶、泛化性能领先其他模型一个身位，就是 Manifold AI 流形空间这套系统化能力的一次集中释放。
具身智能的泛化能力，说到底就一件事：机器人到了新场景，不用工程师重新调一遍就能干活。
视频里跑得再漂亮，到了真实产线上仍要再调。这道坎刷榜刷不过去，只能靠"在每次执行里自己变好"的自我进化能力。
相比 WorldScape R²SI 拿下的那个「第一」，这或许是更该被记住的部分。

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。

继续浏览更多资讯

返回资讯目录
上一篇资讯 Kimi K3.1曝光：3D成本仅GPT-6 Astra的1/14，硬刚海外视觉三强 15 分钟交付工业级可交互3D 资产，重写视觉大模型的“理科生法则” 下一篇资讯 Anthropic联手Hg设欧洲咨询公司，向埃森哲等传统IT咨询开火 财联社10月24日讯（编辑 赵昊）最新消息显示，Anthropic已同意与私募股权公司Hg共同支持成立一家新的欧洲咨询公司。这将是Anthropic首次尝试建立一家独立企业，这家企业将专注于向欧洲大陆的公司出售人工智能（AI）专业服务。知情人士透露，Anthropic与已总部位于伦敦的Hg达成协议，将成立一家独立公司，

相关资讯

更多
Agent、机器人与制药，谁先被GPT-6 Astra改写？ 36氪 · 10/24 登顶RoboDojo智能体超过GPT-6Astra：Manifold AI推出R²SI AI 行业观察 · 10/18 AI信徒王兴兴一段话，宇树涨了54%，但考验在后面 凤凰科技 · 10/23 ChatGPT有了AI小队，GPT-6 Astra Pro升级，分头干活还能查进度 AI 行业观察 · 10/19 GPT-6 Astra接入Higgsfield，AI视频时长从1分钟拉到10分钟 AI 开发者社区 · 10/14 OpenAI联手Higgsfield：AI视频时长上限从1分钟提到10分钟 腾讯网 · 10/14 OpenAI与Higgsfield合作：GPT-6 Astra让AI视频生成时长升至10分钟 AI 行业观察 · 10/14 王兴兴认错：不信AI是最大失误，宇树市值两个月蒸发60% 搜狐科技 · 10/16 王兴兴谈AI：最大错误是过去对AI相信不够 腾讯网 · 10/12 GPT-6 Astra、Fable 5.1、Sol：谁真把机器人活干完？ 雷峰网 · 10/08

相关 AI 工具

AI 导航
OpenAI 专注于构建安全且有益的AGI的人工智能研究与开发公司 大模型与开发平台 · openai.com GPT 探索并发现我们精心挑选的最佳GPT模型,满足您的各种需求 大模型与开发平台 · gpt-store.app OpenAI MuseNet是由OpenAI创建的深度神经网络,可以用10种不同的乐器生成4分钟的音乐作品,并可以结合从乡… AI 写作 · openai.com FlowGPT flowgpt官网,chatgpt Prompt提示语网站,ChatGPT聊天指令问答模板社区 FlowGP… 提示词 · flowgpt.com GPTZero GPTZero是一款先进的AI检测器,被超100家媒体报道。其核心技术是拥有包含7个组件的AI检测模型,采用… 内容检测与去AI味 · gptzero.me Gnomic智能体平台 Gnomic智能体立足AI Agent生态体系构建,通过打造AI Agent多模态生态平台,帮助开发者快速设… 大模型与开发平台 · gnomic.cn OpenAI Academy OpenAI Academy是OpenAI推出的免费AI学习平台,致力于让AI造福全人类。该平台目前仅支持英… AI 写作 · openai.com 信风AI外贸获客智能体 信风 AI 助力跨境营销,自动化拓客流程 客服与销售 · trade-wind.co

相关推荐 按相关度与热度排序

全部资讯 →

  1. Manifold AI登顶RoboDojo：WorldScape R²SI超过GPT-6-Astra

    近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单。其 WorldScape R²SI系统超过GPT-6-Astra、英伟达 GR00T-N1.7等模型，位列总榜第一。三个月前，Manifold AI已发布具备上下文学习（In-Context Learning，ICL）能力的世界动作模型Worl

    来源 腾讯网

  2. 为什么领跑 AI 3D 的是中国公司，群核、Meshy、影眸Hyper3D 坐下来聊了聊

    在 AI 3D 领域，中国团队已经做出了一批有代表性的产品。这些产品面对的需求很具体：游戏里的角色和道具、空间设计中的家具、能用 3D 打印机做出来的玩具。生成结果除了看起来像，还得能修改、能交互，放进实际的生产流程。现在，通用模型也开始深入这些工作。GPT-6 Astra 发布时，OpenAI 展示了它在 Blend

    来源 腾讯网

  3. 千问办公接入乐奇AI眼镜：语音一句话发起任务

    蚂蚁灵光升级2.0，加入个人Agent战场10月27日，蚂蚁集团发布灵光2.0，目标直指“管事”。作为国内首个由科技大厂发布的个人AI智能体产品，灵光2.0试图打破单次对话的结界，赋予AI以“时间维度”。智元正式发布安规级重载具身机器人精灵G2 Max智元于10月26日正式发布安规级重载具身机器人精灵G2 Max，实现

    来源 腾讯网

  5. 王兴兴复盘宇树最大错误：对AI信得不够，4400亿估值蒸发过半

    #宇树科技王兴兴自曝最大错误# 市值蒸发过半，宇树科技创始人王兴兴在第26届工博会上复盘：过去十几年，我犯的最大错误，是对AI相信得还不太够。8月19日宇树登陆科创板，开盘冲高至1100元，巅峰总市值4449亿。短短两个月股价大幅回撤，市值直接腰斩，蒸发超2000亿。王兴兴现场提到，GPT-6部署在人形机器人真机测试，

    来源 腾讯网

  7. Hi3D V3.0实测：单图生成3D模型，2048³精度可商用

    Hi3D正式开源V1.0模型代码，这是基于Sparc3D架构的高分辨率几何细化模型，训练数据扩充至200万资产。相比GPT-6 Astra等通用模型，Hi3D在轮廓、体积和细节上表现更专业。文章解析了从粗网格到1536³稀疏细化的技术路径，以及Agent如何衔接打印、游戏引擎等下游工作流。

    来源 AI 应用前沿

  10. OpenAI发布GPT-6.1 Terra：API价格降50%，Agent能力直追GPT-6 Astra

    OpenAI 又卷起了大模型的性价比。 就在刚刚，OpenAI 正式发布新一代模型 GPT-6.1 Terra，主打更快的响应速度、更强的视觉理解和电脑操作能力，以及更低的使用成本。 图｜博客🔗 https://openai.com/index/introducing-gpt-6-1-terra/ 相比上一代 GPT-

    来源 AI 行业观察

  11. 周而进谈具身模型：GPT-6 Astra 来了，专用路线还成立吗？

    界面新闻记者 | 肖芳界面新闻编辑 | 文姝琪GPT-6 Astra的发布，让一个长期存在的路线之争再次浮出水面：专门做具身的模型，还有存在的必要吗？作为通用大模型，GPT-6 Astra接入机器人后，已经能够理解人类指令、拆解复杂任务，并按照步骤执行。如果通用模型的能力持续增强，它是否有可能逐步取代专门面向机器人训练

    来源 腾讯网

  12. GPT-6.1 Terra发布：API价格降50%，能力逼近GPT-6 Astra

    OpenAI 又卷起了大模型的性价比。 就在刚刚，OpenAI 正式发布新一代模型 GPT-6.1 Terra，主打更快的响应速度、更强的视觉理解和电脑操作能力，以及更低的使用成本。 图｜博客🔗 https://openai.com/index/introducing-gpt-6-1-terra/ 相比上一代 GPT-

    来源 AI 开发者社区

  15. Grok Bot、Muse、Dots：2026年执行型AI代理该怎么选？

    2026年下半年，xAI的Grok Bot、Meta的Muse和OpenAI的Dots相继亮相。它们不再是简单的聊天机器人，而是能独立操作电脑、跨应用执行任务的Personal Agent。本文基于官方最新文档，从工作模式、权限控制和适用场景三个维度，拆解这三款产品的核心差异，帮你判断哪一款真正适合你的工作流，避免盲目

    来源 AI 应用前沿

  17. 原力无限，一支给机器人造大脑的顶尖科学家战队｜甲子光年

    当通用大模型开始进入机器人的决策系统，具身智能的技术边界正在重新划定。原力无限首席科学家陈佳玉认为，机器人大脑仍有大量尚未解决的基础问题。从因果世界模型到50项真机持续学习任务，从第一人称数据到真实场景中的失败恢复，一家聚集了年轻科学家的中国具身智能公司，正在尝试给出自己的答案。作者｜周悦编辑｜栗子2026年10月，具

    来源 腾讯网

  18. Anthropic不做个人AI：Claude Tag已提前三个月落子

    生活，还是干活，这是个问题。 不久前，9 月 29 日的 OpenAI DevDay 开发者日，舞台上飘出了几个圆滚滚的小气泡。 它们叫 dots，是 OpenAI 最新的个人 agent。每个 dot 跑在 GPT-6 Astra 上，拥有一台独立的云端电脑和浏览器，用户关掉 ChatGPT 之后，它还在后台继续干活

    来源 AI 行业观察

  19. GPT-6 Astra Pro上线多智能体并行：Pro用户每周50至200条配额引关注

    OpenAI于10月16日宣布GPT-6 Astra Pro迎来重要升级：响应速度提升、插件工具体验优化，并新增多智能体并行处理能力，用户可实时追踪各智能体进度。该功能目前仅向Pro订阅用户开放，但每周50至200条的使用配额，以及OpenAI未公布任何性能量化数据的做法，令外界对这一功能的实际体验仍存疑虑。

    来源 AI 科技快讯

  20. GPT-6 Astra加持，RoboICL不训练只靠示范，30项机器人任务领先

    机器人学习通常意味着收集数据、训练策略、再部署模型。RoboICL 走了另一条路线：冻结 GPT-6 Astra，不训练任务专用 VLA，只在推理时向模型提供少量示范，并持续保留机器人刚刚执行过什么、环境发生了什么。当前项目页给出了 30 项 RoboDojo 任务的完整结果入口，以及 929 条可播放、可逐布局核查的

    来源 腾讯网

  21. OpenAI GPT-6 Astra Pro多智能体并行：提速兑现，额度与控制权待解

    OpenAI于10月16日宣布GPT-6 Astra Pro迎来重要升级：响应速度提升、插件工具体验优化，并新增多智能体并行处理能力，用户可实时追踪各智能体进度。该功能目前仅向Pro订阅用户开放，但每周50至200条的使用配额，以及OpenAI未公布任何性能量化数据的做法，令外界对这一功能的实际体验仍存疑虑。

    来源 AI 行业观察

  23. OpenAI决策API全面开放：GPT-6 Luna驱动，百万token仅0.1美元

    OpenAI 在10月22日把一道新的能力接口彻底敞开——决策 API（Decisions API）宣布全面开放。这套接口建立在 GPT-6Luna 之上，干的是一件很聚焦的事:把 Luna 的聪明劲儿收拢到那些"答案有边界"的问题上，帮应用程序和智能体根据文本、图像以及结构化数据，在近乎实时的节奏里拍板定案。按 Op

    来源 AI 开发者社区

  25. 王兴兴：具身智能临界点或一两年，机器人泛化与效率待突破

    10月12日，在第二十六届中国国际工业博览会开幕式上的深度对话环节中，宇树科技创始人王兴兴分享称，前段时间GPT-6的发布对具身智能行业的认知影响很大，公司团队也将其部署至机器人做任务进行测试，效果表现还不错。在他看来，具身智能行业临界点的到来还是会比较快的，相对快的话甚至可能是一两年。 王兴兴表示，要让机器人实现大规

    来源 AI 行业观察

  29. OpenAI上线Dot：GPT-6 Astra驱动个人AI智能体

    2026年9月30日，OpenAI 正式推出个人 AI 智能体 Dot。与传统的一问一答式聊天助手不同，Dot 被定位为能够长期承担工作职责的“数字同事”：它了解用户在意什么，持续在后台推进复杂项目和日常事务，在需要用户判断时主动汇报进度或请求决策。目前，Dot 已在 ChatGPT 中向符合条件市场的 Pro 和 B

    来源 AI 实验室动态
向下滚动自动加载更多
官方 API 状态 官方状态 Claude 降级
Claude · 轻微事件进行中（已持续 1 小时 11 分钟）
更新于 14 分钟前 全部状态