· 瀚钦(丹东)智能科技有限公司

通用大模型「动手」的能力,又往前挪了一大步。据独立评测机构 Artificial Analysis 发布的 AA-Robotics v0.1 榜单,OpenAI 的 GPT-6.2 Astra 以 79 分登顶,在 8 项物理任务中完成了 6 项——而且这项测试不允许专项训练、全程零样本,模型靠写代码的方式直接控制一台真实的 6 轴机械臂移动物体。连能力更弱的同门 GPT-6.2 Sol 都拿到了 78 分。
这件事值得企业经营者看一眼,原因不在机器人本身,而在于它揭示了一个正在重复上演的规律:当通用能力涨得够快,专门为某个场景修建的「中间层」会被整个吃掉。这个规律,正在无数企业的 AI 预算表上应验。
据 11 月 13 日外媒报道,OpenAI 解散了成立不到半年的独立机器人团队,人员并入主要研究团队。官方给出的理由很直白:通用模型在控制机器人上表现出色——把 GPT-6 Astra 接上机械臂后,它已经能参与具体任务执行,效果「令人惊喜」。
这条路线 OpenAI 其实绕了很久:2019 年首次组建机器人团队,2020 年就解散(联合创始人 Zaremba 当时的解释是机器人数据有限,别的路径通往 AGI 更高效);2024 年与人形机器人公司 Figure AI 合作,一年后被 Figure 结束合作转向自研;2026 年 6 月又借 Sora 团队成立机器人部门,主打世界模拟技术迁移;三个月后发现通用模型本身就能干,于是有了这次调整。
行业实测也在给这条路添证据:评测机构 Robocurve 的实机测试显示,Astra 在双臂机械臂「抓取方块放入碗中」的任务上成功率 95%;英伟达 10 月发布的 Astranomy 研究直接用 Astra 控制仿真机器人,RoboLab-120 测试拿到 66.3% 成功率,其机器人部门负责人 Deepu Talla 称这是推动机器人多任务处理的重大突破。Anthropic 的 Claude Fable 5.2 也展示了类似能力——解魔方、拧瓶盖,在 RoboDojo Sim 仿真基准中平均成功率 64.9%,还反超了 Astra 的 29.8%。
把镜头拉远,具身智能的技术路线这些年换了三拨:先是 VLA 模型(2023 年 Google DeepMind 的 RT-2 打响),让模型把看到的画面和听到的指令翻译成动作——但泛化能力弱,换个场景就不灵;随后 Sora 之类的视频生成模型带火了世界模型路线,想从海量人类活动视频里学物理规律——但视频生成不等于能控制机器人,模拟出来的物理过程也未必在现实复现。
现在第三拨来了:既然通用模型的视觉理解、推理和任务规划已经够强,能不能不再训练任何专用机器人模型,直接让它指挥身体?斯坦福联合加州理工的 HomeBody 项目给了一个阶段性答案:把 GPT-6 Astra 接到宇树 G1 人形机器人上,让它直接调用预先建好的机器人技能库——机器人进入一间从没见过的厨房,就能根据人类指令完成整理和找物。结论是:在一定任务范围内,VLA 这个「中间层」可以不要。
中国公司也在同频。宇树王兴兴的表态相当直接:「明年 GPT-7 出来,可能直接把具身智能问题打穿」——宇树已在零训练条件下,仅靠提示词让机器人完成绘画、按棋盘局势精准落子;智元稚晖君团队的最新论文,做的也是把会聊天的大模型和能执行动作的机器人身体打通。而 DeepSeek 梁文锋的判断此刻显得很有参照性:他一直把通用模型的能力进化当作通往 AGI 的主线,具身智能只是这条线的延伸——如今 OpenAI 的调整,恰好绕到了同一个方向。
机器人行业的路线之争,几乎逐字对应着企业上 AI 时的选型难题:是采购/定制一个专用小模型,还是用通用大模型加知识库?
过去的标准答案是「专用」——就像机器人厂商曾普遍认为垂直模型在适配、力控上更优。但 Astra 这轮测试说明,通用能力每上一个台阶,专用方案的存在理由就薄一层。给企业三个落点:
一句话总结这轮行业变动给企业的启示:别把预算押在模型身上,把资产建在模型周围。瀚钦服务辽宁企业走的就是这条路——POC 用「1 台服务器 + 5 个客户端」先在真实业务里跑通一个场景,知识库、权限、流程沉淀在与模型解耦的层上,底座模型随行业升级随时替换。如果你的企业正在评估 AI 落地,欢迎通过官网「免费诊断」预约一次现场评估。
这是独立评测机构 Artificial Analysis 发布的机器人控制基准。关键设定很严格:模型不允许针对测试任务做专项训练,全程零样本,模型以写代码的方式直接控制一台真实的 6 轴机械臂移动物体。GPT-6.2 Astra 得分 79,完成 8 项物理任务中的 6 项,同门的 GPT-6.2 Sol 也拿到 78 分。零样本设定意味着考察的是模型本身的理解与规划能力,而不是刷题能力。
已有可观的实机证据:Robocurve 实测 Astra 在双臂抓取放碗任务上成功率 95%;英伟达 Astranomy 研究在 RoboLab-120 仿真测试中拿到 66.3%;斯坦福与加州理工的 HomeBody 项目让接入 Astra 的宇树 G1 在陌生厨房完成整理与找物。但仿真成功率(60% 上下)与真实复杂环境仍有差距,短期内更现实的形式是「通用模型做理解规划 + 预建技能库执行」,全面替代专用方案还为时尚早。
不太可能立刻退场。回顾这条路线演进:VLA(2023 年 DeepMind RT-2)解决「看得懂、动得了」,但泛化弱;世界模型想从视频学物理规律,但模拟与现实有偏差。通用大模型直驱是第三条路,三者各有适用面——如同原文分析,行业从未有谁真正取代谁。更可能的格局是分层协作:通用模型负责任务理解与规划,VLA/技能库负责精细动作执行。
关系在选型逻辑上完全同构:机器人厂商曾普遍认为专用垂直模型优于通用模型,如今通用模型一个版本迭代就改写了判断。企业选型面对的是同一个问题——买专用定制方案,还是「通用大模型 + 知识库」。Astra 这轮测试的启示是:通用能力涨得越快,专用中间层的价值窗口越短。稳健做法是把预算花在知识库、流程、数据规范这些「模型周围的资产」上,底座模型随行业升级随时替换。
瀚钦(丹东)智能科技专注 AI 知识库私有化部署,架构上把模型做成可替换层:知识库、权限体系、业务流程沉淀在与模型解耦的层上,模型随榜单升级随时换,资产留下。落地用标准 POC(1 台服务器 + 5 个客户端),先在一个最重复、最费人的流程上跑通真实场景再扩展。可通过官网 www.u7si.com 的「免费诊断」预约现场评估。