搜索：GPT-6 Astra
—— 四款旗舰模型同台，GPT-6 紧随其后
10 月 20 日，由觅蜂科技、Hugging Face、NVIDIA、清华大学等全球近 20 家高校、企业、科研机构联合发起的具身角斗场 RoboColiseum 公布本轮评测结果：Claude Opus 5.5 位列四款旗舰模型综合第一，GPT-6 Astra 紧随其后。分项来看，GPT-6 Astra 在指令跟随与整体扰动适应上领先，指令跟随得分达 99.35；Opus 在空间理解与通用操作上表现更好，并以最少全轮评测 token 消耗拿下综合第一。平台围绕指令跟随、空间理解、扰动适应和通用操作推出四类能力子榜、78 个高保真仿真评测任务，仿真评测与实机部署相关性达 89.5%。觅蜂提供高保真物体资产与仿真场景，自 8 月上线以来已有 100 多支队伍参与评测。
—— 12 项基准测试，RoboDojo 成功率 81.9%
近日，商汤科技发布 GPT-6 Astra 具身能力评测研究。在 12 项基准测试中，通过上下文学习与扩展执行步数，GPT-6 Astra 在 RoboDojo 任务成功率达到 81.9%，大晓机器人深度参与真机测试与能力边界验证。研究显示，仅解除 "允许访问训练集" 与 "解除步数限制" 两个限制，模型能力上限显著拔高，但执行成本距商业可行仍有数量级差距：完成 "把笔装进笔筒" 需耗时 263 分钟、约 55 美元。研究还验证了 GPT-6-Astra + ICL + π0.5 快慢协作组合，在 RoboDojo 42 个任务上成功率 54%。商汤同步开源 SenseNova-RoboRSI 框架与 27B 具身模型，将任务完成成本降至 GPT-6-Astra 的 1/50。
—— 9B 参数六项评测超越 GPT-6 Astra
大晓机器人正式发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6，以 GPT-6 Astra 为重要参照，通过规模化、多样化、可验证的空间监督数据强化目标识别、空间定位与交互锚定能力。依托约百万条高质量空间锚定训练样本，ACE-Brain-0.6 在八项 Grounding 评测中六项超越 GPT-6 Astra，七项公开基准平均得分 74.53 分、领先 Astra 的 73.68 分，自建 RobotGrounding 评测取得 94.13 分、超越 Astra 的 91.10 分。模型基于 Qwen3.5-9B，整合 30 余个开源机器人数据家族与私有 Ego 数据构建数据管线。受控实验显示，训练数据从 26 万条扩展至百万条，公开评测得分由 69.3 分提升至 74.5 分。
