Skip to content

新闻X4 天前

GPT-6.2 Astra登顶AA-Robotics榜,Codex控臂通过6/8物理任务 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准: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 ...(X:Artificial Analysis (@ArtificialAnlys)(via AIHOT))

核心内容 ​

Artificial Analysis发布AA-Robotics v0.1基准测试最新结果,GPT-6.2 Astra以79分位居榜首,超越GPT-6.2 Sol(78分)、Claude Fable 5.2(75分)及Gemini 4 Hydrogen(58分)。相比上一代GPT-6 Astra,新版本得分提升10分,显示出多模态推理与机器人控制能力的显著迭代,确立了当前具身智能基座模型的SOTA地位。

在实机验证环节,GPT-6.2 Astra通过Codex接口直接驱动真实机械臂执行操作。在设定的八项物理任务中,该模型成功完成六项,部分完成倒液体任务,仅在测量箱子任务上失败。这一表现证实了通用大模型已具备将自然语言指令转化为可执行底层代码并闭环控制硬件的能力,为端到端具身智能提供了新的技术验证范式。

关键看点 ​

  • 榜单排名:GPT-6.2 Astra获79分登顶AA-Robotics v0.1,领先第二名GPT-6.2 Sol 1分,较前代提升10分
  • 实机通过率:通过Codex控制真实机械臂,在8项物理任务中成功6项,部分完成倒液任务,仅测量箱子失败
  • 竞品对比:大幅领先Claude Fable 5.2(75分)与Gemini 4 Hydrogen(58分),拉开具身模型性能差距
  • 控制范式:采用Codex生成代码驱动硬件,验证了“语言-代码-动作”链路在真实物理环境中的有效性

工程与产业观察 ​

GPT-6.2 Astra的登顶标志着具身智能从纯视觉策略向“代码即动作”范式的回归与融合。通过Codex控制真机并通过6/8任务,证明了LLM代码生成能力可直接迁移至机器人操控。这对算法工程师意味着,优化Code LLM与硬件API的适配效率,可能比单纯堆叠视觉Token更具落地性价比。

线索来源:AIHOT

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。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. X:Artificial Analysis (@ArtificialAnlys)(via AIHOT):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 ... ↗访问 2026-11-18