OpenAI最新模型GPT-6.2 Astra在Artificial Analysis推出的AA-Robotics v0.1基准测试中拿下第一。该测试评估语言模型能否操作真实机械臂,Astra平均得分79分(满分100),为所有参评模型最高。
更引人注目的是效率。Astra使用的机械臂指令数在所有测试模型中最少,显示其在开始动作前具备更强的规划能力。
AA-Robotics v0.1由Artificial Analysis于2026年10月14日发布,测试对象是6轴Hiwonder NexArm机械臂。模型并不靠“手感”控制机械臂,而是作为编程智能体编写指令,再由硬件执行。任务包括倒饮料和堆叠积木,均要求空间感知与问题解决能力——这历来是文本训练模型相对薄弱的环节。
在评估中,Astra完成了8项任务中的6项。其79分平均成绩略高于OpenAI更便宜的GPT-6.2 Sol(78分),Claude Fable 5.2以75分位列其后。
效率成为真正亮点。Astra在完成的6项任务中总共发出668条机械臂指令;仅在“清理箱子”任务中,它只需要92条指令,比Claude Fable 5.2所需指令数少约75%。每向实体机械臂发送一条指令,都意味着一次出错机会;指令更少通常代表更少试错、更少无效动作,以及对硬件的更少磨损。
不过,模型速度仍远慢于人类。完成每项任务约需30分钟,而人类处理同类任务约需20秒。成本也是限制因素:根据模型和任务不同,运行这些任务的成本在每项2美元至16美元之间。
OpenAI于2026年11月17日发布GPT-6.2 Astra,并与定位为低成本选项的GPT-6.2 Sol一同推出。Astra的API定价比上一代低约20%。
这一机器人测试结果距该基准发布约一个月。时间点意味着Astra加入的是一个仍相当“新鲜”的排行榜,Claude Fable 5.2等模型此前已完成评估。
Astra与Sol之间的微小差距同样值得关注。如果更便宜的模型在实体任务上与旗舰模型仅差1分,开发机器人原型的开发者可能会合理地质疑高端版本是否物有所值。与此同时,30分钟任务耗时对20秒人类基线,显示出通用模型距离实际部署仍有不小差距;每项2至16美元的成本,也为任何计算自动化账本的企业增加了另一道门槛。还需注意,该基准目前只是0.1版本。