六款前沿模型实测 LIBERO-10 机器人操作基准，GPT-6 Astra 以 44% 成功率居首

一项研究构建了统一闭环操作框架，在不做任务微调的前提下，让 GPT-6 Astra、Claude Opus 5.5、Gemini-4 Argon 等 6 款前沿模型直接控制机器人完成 LIBERO-10 基准任务。测试覆盖 3 档推理强度、共 18 种配置和 1,800 次评估，GPT-6 Astra 以 44% 成功率排名第一，Gemini-4 Argon 为 43%。提高推理强度总体能提升操作表现，但各模型受益程度不同且推理成本更高。模型在物体放置类任务上表现较好，在精确空间排布和多步骤交互上仍有明显短板。