GPT-6 Astra机器人操控实测：方块入碗19/20远超Claude Fable，成本减半
talkingdev • 2026-09-07
3197 views
OpenAI 的 GPT-6 Astra 在机器人操控基准测试中展现出显著优势。研究人员将其接入 Inspect Robots 智能体策略，控制一对 YAM 机械臂执行两项任务：从桌面拾取红色方块放入碗中，以及抓取圆形蓝色拼图块嵌入匹配凹槽。在交叉盲测中，Astra 在方块入碗任务上取得 20 次尝试 19 次成功，远高于 Claude Fable 5.1 的 8/20；拼图任务双方均为 2/20，显示精细操作仍是难点。值得关注的是，Astra 不仅成功率更高，输出 token 减少约 80%，单次运行成本约为 Fable 的一半。这表明大模型在真实机器人控制中的可靠性与经济性正快速提升，为具身智能落地提供了新的数据支撑。
核心要点
- GPT-6 Astra 在方块入碗任务中 19/20 成功，显著优于 Claude Fable 5.1 的 8/20。
- 在更高难度的拼图插入任务中，Astra 与 Fable 均仅成功 2/20，显示精细操作仍是挑战。
- Astra 输出 token 减少约 80%，单次运行成本约为对比模型的一半。