事件专题 ·多源确认

GPT-6.2 Astra 登顶 AA-Robotics v0.1 基准,得分 79

GPT-6.2 Astra 在 Artificial Analysis 推出的机器人能力基准 AA-Robotics v0.1 中获得 79 分,成为新的榜首,比上一代 GPT-6 Astra 高出 10 分。排在它后面的是 GPT-6.2 Sol(78 分)、Claude Fable 5.2(75 分)和 Gemini 4 Hydrogen(58 分)。 测试方式是通过 Codex 控制一台真实的机械臂来完成物理任务。GPT-6.2 Astra 在八项物理任务中通过了六项,倒液体任务只完成了一部分,唯一完全失败的是测量盒子尺寸。同一版本线内的 Sol 得分 78,说明 OpenAI 在同一代模型上针对机器人任务做了差异化调优。 AA-Robotics v0.1 是 Artificial Analysis 首个面向物理世界机器人操控的基准,此前各家模型的对比多集中在语言和代码任务上。Gemini 4 Hydrogen 拿到 58 分,与前三名有 17 分以上的差距,显示在具身操控赛道上模型的分化比语言基准更明显。对做机器人开发或具身智能的团队来说,这个基准提供了一套可复现的真机评测参考。

当前结论

Artificial Analysis 用真实机械臂测各家模型,比纯语言基准靠谱得多。GPT-6.2 Astra 八项过六项,Claude Fable 5.2 拿 75 分紧随其后,倒液体这种精细任务还是难点。做机器人或具身智能的开发者可以关注这套评测标准。

11 个信源57° AI 热度最后更新 2026/11/17 18:21:27

证据链

11 个信源
主要来源Artificial Analysis
查看原文
相关来源 9PolymarketMoney
查看原文
相关来源 10Noam Brown (OpenAI 推理)
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。