GPT-6 Astra 在具身智能测评中展现显著优势

一份匿名仿真测评报告显示，混合 GPT-6 Astra 的架构在具身智能测评中以 62.6 分大幅领先第二名，实现架构层面降维打击。该架构由 GPT-6 Astra 负责语义判断修正，与 π₀.₅的物理空间交互动作先验形成互补。测评通过 RoboDojo 和 RoboLab 两组实验验证：在 RoboDojo 的 10 类复杂任务中，GPT-6 Astra 直接控制成功率仅 26%，但与 π₀.₅结合后成功率升至 48%，平均分达 62.6，Astra 主要在关键节点修正动作，两类模型互补性明显。在 RoboLab 的语义理解任务中，GPT-6 Astra 直接控制零样本成功率达 98%，展现出极强的泛化能力，但该成绩为能力上限参考。GPT-6 Astra 擅长语义理解、视觉识别、任务规划及错误恢复，能形成观察-决策-执行的闭环，还能探索新策略，但在精细接触、稳定抓取等物理交互任务中表现薄弱，π₀.₅的动作先验可有效弥补其短板。不过当前方案推理成本极高，且仅在仿真环境测试，距部署仍有距离。报告表明，大模型的认知泛化能力已延伸至具身智能领域，但无法替代具身模型的物理交互能力，二者结合是可行路径，而能力根源在于数据与算力。面对 OpenAI 的百亿投入，中国具身智能需依托丰富应用场景和产业链，将场景转化为高质量数据，以提升模型能力。