新闻X今天
清华伯克利开源uni-robot-agent零样本控制成本仅1美元
本文由 AI 根据公开内容整理，可能有误，请以原文为准：GPT-6 Astra just became the ultimate target for China's Embodied AI scene.（X：X.PIN (@thexpin)（via AIHOT））
核心内容
清华大学与UC Berkeley（含Pieter Abbeel团队）联合开源uni-robot-agent项目，旨在构建对标GPT-6 Astra的国产具身智能基座。该研究验证了本地部署的Qwen3.8-Flash-Next模型在零样本机器人控制场景下的有效性，实测性能优于GPT-6 Astra，且将单项任务执行成本压缩至约1美元，显著降低了对闭源大模型的依赖。
技术方案核心在于利用轻量化本地模型替代昂贵的云端API调用。通过uni-robot-agent框架优化推理链路，Qwen3.8-Flash-Next实现了高效的零样本泛化控制。相较于OpenAI同类方案，该架构将单次任务成本控制在对方6.6%的水平，为具身智能算法在边缘侧的低成本部署与大规模数据闭环验证提供了可复现的工程范式。
关键看点
- 开源框架：发布uni-robot-agent，支持本地Qwen3.8-Flash-Next模型实现零样本机器人控制
- 成本优势：单任务执行成本约1美元，仅为OpenAI GPT-6 Astra方案成本的6.6%
- 性能对标：本地轻量模型在零样本控制基准测试中性能超越GPT-6 Astra
- 研发主体：由清华大学与UC Berkeley Pieter Abbeel团队联合研发并开源
工程与产业观察
该成果证明了本地轻量化模型经专用Agent框架优化后，可在零样本控制任务中匹敌甚至超越顶级闭源模型，且成本降低90%以上。这为具身智能从云端API依赖转向端侧低成本部署提供了关键验证，加速了国产大模型在机器人实操场景中的数据飞轮构建与商业化落地进程。
线索来源：AIHOT
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。