- 发布日期
GPT-6 Astra 在机器人手臂上的应用
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
OpenAI的GPT-6 Astra模型在机器人操作方面取得了显著进步，尤其在一项标准的抓取-放置任务中表现突出。在2026年9月4日公布的一项对比测试中，Astra被赋予控制一台YAM机械臂的权限，并遵循Inspect Robots智能体策略。结果显示，其性能较此前测试的Claude Fable 5和Fable 5.1模型有显著提升，标志着AI驱动的机器人技术迈出了重要一步。
测试旨在复现此前对Claude Fable模型的对比。在“碗任务”中，要求抓起一个红色积木并将其放入碗内，Astra在20次试验中成功19次。这与Claude Fable 5.1（20次中成功8次）和初代Claude Fable 5（仅成功1次）形成了鲜明对比。Astra完成任务的速度也更快，平均每次试验耗时2.5分钟，而Fable 5.1为6.8分钟。
成本效益是另一项关键改进。Astra执行碗任务的每次运行估计成本为0.94美元，不到Fable 5.1（2.12美元）的一半。这种高准确率、快速度和低成本的组合，表明该模型在处理与物理世界交互的能力上取得了重大进展。然而，在第二项更复杂的拼图任务中，结果却有所不同。
拼图任务要求抓起一个带旋钮的部件并将其插入匹配的凹槽中，Astra仅在20次试验中成功2次。这一表现与Claude Fable 5.1的结果完全相同。两个模型均在最后插入步骤中持续受阻，表明它们在应对这一特定挑战的精细运动规划方面存在共同局限。Astra的每次运行成本略低，为1.36美元，而Fable 5.1为2.18美元。
研究的作者指出了若干局限性。Astra的试验在Fable试验两天后进行，且未交错进行，这意味着条件并非完全受控。此外，人工评分时知晓模型身份，可能引入无意识偏差。成本估算也未考虑OpenAI的自动输入缓存，可能高估了Astra的费用。
尽管存在这些注意事项，研究结果仍清晰地展示了进展。虽然两个模型系列在高精度插入任务上均表现不佳，但Astra在较简单操作任务上的近乎完美记录树立了新的标杆。研究结果表明，领先的AI模型正在基础机器人任务上快速进步，但复杂、灵巧的动作对该领域而言仍是重大障碍。
