GPT-6.2 Astra 登顶 AA-Robotics v0.1 基准,得分 79
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。
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。
GPT-6.2 Astra is the new leader in AA-Robotics v0.1, scoring 79, up 10 points on GPT-6 Astra and ahead of GPT-6.2 Sol (78), Claude Fable 5.2 (75) and Gemini 4 Hydrogen (58)
Controlling a real robot arm through Codex, it passed six of our eight physical tasks, partly completed the pouring liquid, and failed only to measure the box.
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:GPT-6.2 Astra、Claude Fable 5.2、Gemini 4 Hydrogen、机器人操控,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Artificial Analysis」(@ArtificialAnlys),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 11 家独立信源对该事件进行交叉印证与跟进报道(含 ARC Prize、The Rundown AI、IT之家 等),属于近期高关注度行业信号。