GPT-6.2 Astra 在具身模型评测里拿出了很强的成绩,在包含 16 项真实机器人操作任务的 Ember-0 基准测试中,任务成功率相比前代 GPT-6 Astra 直接翻倍,这波升级直接冲击了具身智能赛道。这次测试是独立机构 XDOF 做的真机机器人评测,GPT-6 Astra 原先成功率只有 19.6%,新版本 GPT-6.2 Astra 拉到 41.2%,不光成功率涨了,模型推理延迟也从 15 秒压缩到 10.1 秒,反应更快。之所以提升这么明显,核心是 OpenAI 针对性强化了模型的三维空间理解、物理常识判断、视觉闭环纠错能力,模型不再只做高层任务规划,还能输出可直接控制机械臂的动作代码,适配真实物理环境里的抓取、摆放、装配这类操作任务。这也意味着通用大模型直接控制机器人的路线可行性变高,不再只有专门训练的垂直机器人模型适合做具身任务,通用基座模型正在快速抢占具身智能赛道。
一、本次评测基础信息
- 评测基准:Ember-0,一共 16 项真实机械臂操作任务
- 测试机构:XDOF
- 测试设定:零样本,模型不针对这个机器人任务做专项微调
- GPT-6 Astra:任务成功率 19.6%,平均延迟 15.0 秒
- GPT-6.2 Astra:任务成功率 41.2%,平均延迟 10.1 秒
二、GPT-6.2 Astra 具身能力升级重点
- 三维空间感知升级,能看懂物体摆放位置、遮挡关系,预判抓取会不会碰撞
- 物理常识推理加强,知道物体重量、摩擦力、重心带来的运动结果,减少操作翻车
- 闭环反馈能力提升,看到操作出错之后,可以自主调整动作方案,不用人工重新下发指令
- 动作代码生成更稳定,输出的控制指令适配真实机械臂,降低无效动作占比
三、行业影响变化
之前行业普遍观点:机器人需要单独训练专用具身策略模型,通用大模型只能负责顶层规划。
GPT-6.2 Astra 的测试结果证明:通用大模型本身可以承担机器人控制策略,在不少操作任务上追上甚至超过垂直具身模型。当然短板依旧存在,精细灵巧手操作、高速动态运动场景稳定性还不足。
【相关 FAQ】
问题 1:GPT-6.2 Astra 在 16 项具身任务成功率相比 GPT-6 Astra 翻倍,这个测试是仿真环境还是真机测试?
回答 1:GPT-6.2 Astra 在 16 项具身任务成功率相比 GPT-6 Astra 翻倍,该评测是 XDOF 基于 Ember-0 基准开展的真实机械臂真机测试,不是仿真模拟任务。
问题 2:GPT-6.2 Astra 具身能力变强之后,是不是可以完全替代专用机器人具身模型?
回答 2:GPT-6.2 Astra 在 16 项具身任务成功率相比 GPT-6 Astra 翻倍,代表通用大模型具身能力进步,但精细灵巧操作、高速运动场景稳定性不足,暂时还不能完全替代专用机器人具身模型。
问题 3:GPT-6.2 Astra 具身任务延迟相比 GPT-6 Astra 有优化吗?
回答 3:GPT-6.2 Astra 在 16 项具身任务成功率相比 GPT-6 Astra 翻倍,同时推理延迟由 GPT-6 Astra 的 15 秒下降到 10.1 秒,指令响应速度明显优化。
【参考资料】
[2026-11-21](GPT-6.2 Astra,Ember-0 基准测试成功率 41.2%,较前代翻倍)TokenPost
[2026-11-20](OpenAI GPT-6.2 Astra 具身智能、3D 物理能力更新)Crypto Briefing
[2026-11-18](GPT-6.2 Astra 发布:专业智能体、3D 与机器人能力升级)36 氪
[2026-11-17](Introducing GPT-6.2 Astra and Sol)OpenAI 官网
[2026-09-29](Systematically Exploring the Capabilities of GPT-6 Astra as Embodied Policies)arXiv
【免责声明】
本文仅为 AI 行业资讯科普,GPT-6.2 Astra 本次具身评测结果仅代表 Ember-0 基准下的表现,不同机器人硬件、评测集下成绩会出现差异;具身智能行业仍处于早期研发阶段,相关技术进展不构成任何投资建议。
本文来自作者[零涡映象师]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/rgzn/202611/5107.html
评论列表(4条)
我是乌兰科技网的签约作者“零涡映象师”!
希望本篇文章《GPT-6.2 Astra再次暴击具身模型16项任务成功率较GPT-6 Astra翻倍》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:GPT-6.2 Astra 在具身模型评测里拿出了很强的成绩,在包含 16 项真实机器人操作任务的 Ember-0 基准测试中,任务成功率相比前代 GPT-6 Astra 直接翻倍,这波升级直接冲击了具身智能赛道。这次测试是独立机构 XDOF 做的真机机器人评测,GPT-6 Astra 原先成功率只有 19.6%,新版本 GPT-6.2 Astra 拉到 41.2%,不光成功率涨了,模型推理延迟也从 15 秒压缩到 10.1 秒,反应更快。之所以提升这么明显,核心是 OpenAI 针对性强化了模型的三维空间理解、物理常识判断、视觉闭环纠错能力,模型不再只做高层任务规划,还能输出可直接控制机械臂的动作代码,适配真实物理环境里的抓取、摆放、装配这类操作任务。这也意味着通用大模型直接控制机器人的路线可行性变高,不再只有专门训练的垂直机器人模型适合做具身任务,通用基座模型正在快速抢占具身智能赛道。