Artificial Analysis 发布 AA-Robotics v0.1：GPT-6 Astra 领跑具身智能基准，揭示大模型操控机械臂百倍于人类的效率差距

Artificial Analysis (@ArtificialAnlys) · 2026-10-14 22

欢迎来到具身智能（Embodied AI）时代。

我们正式推出 AA-Robotics v0.1，这是我们的研究预览版，旨在评估前沿语言模型在物理世界中的理解、规划与行动能力。在 v0.1 版本中，每个模型被赋予控制一个 6 轴机械臂（包含 5 个关节和一个夹爪）的权限，并需完成一个简单的目标。今天我们将发布首批八个任务的结果。

我们发现，在编码代理（coding agent）框架下的前沿语言模型近期已具备直接操控机械臂完成简单任务的能力。目前，它们的运行速度过慢且成本过高，尚无法用于任何生产环境——其表现比人类基准线差了近两个数量级。我们预计这一状况将迅速改变。

GPT-6 Astra 在 AA-Robotics v0.1 中位列第一，紧随其后的是 GPT-6.1 Sol、Gemini 4 Argon 和 Claude Opus 5.5。

AA-Robotics v0.1 详情：

➤ 我们的首批八个任务测试了一系列能力：控制与灵巧性（精准抓取与物体操作）、空间推理（物体间的相互作用）以及适应性（模型对意外情况的响应）

➤ 模型仅获得简短指令：如何连接机械臂（通过简单的 HTTP API）、机械臂名称以及如何提交尝试结果。它们可以通过四个摄像头观察场景，并编写和运行代码来规划及发送动作指令

➤ 一旦模型提交尝试结果，其最终状态将根据任务的通过标准进行评分。完全通过得 100 分；未完成的尝试可获得部分分数。所有尝试均为零样本（zero-shot）

关键发现：

➤ GPT 系列占据排行榜首位：GPT-6 Astra 得分 69，领先于得分 65 的 GPT-6.1 Sol 和得分 55 的 Gemini 4 Argon。Claude Opus 5.5（49 分）和 Claude Fable 5.1（46 分）紧随其后

➤ 当前的模型在我们的任务中速度极慢，平均需要约 30 分钟才能完成每个桌面任务

➤ 成本差异显著：GPT-6.1 Sol 平均每个任务成本最低，为 1.93 美元；而最昂贵的 GPT-6 Astra 每个任务成本高达 16.36 美元，是前者的八倍多

➤ 与人类相比，当前表现最佳的前沿语言模型速度慢约 100 倍，成本高约 10 倍

更多结果、视频片段以及 AA-Robotics v0.1 的工作原理详见下方推文串。