通用大模型在机器人上的能力进展 ，正促使具身智能行业重新思考机器人“大脑”的研发路径 。
近日 ，澎湃新闻记者在与多位具身智能从业者交流中发现，GPT-6 Astra的发布成为一个重要节点 ，其展现出的能力让行业开始更加关注：哪些机器人任务可以直接交给通用模型 ，哪些仍需要专门训练？
当地时间11月13日，据外媒报道 ，OpenAI确认已撤销独立机器人团队 ，其中机器人研究人员并入核心研究团队，应用机器人及硬件团队转入应用部门 。公司表示，机器人仍是其长期愿景的重要组成部分 ，此次调整旨在加快相关研发。
从仿真测试到真机实践 ，通用模型正在承担更多机器人任务，但精细控制、响应速度和运行成本 ，仍是其走向实际应用需要解决的问题 。
从仿真到真机 ，通用模型开始接手机器人任务
英伟达近期公布的Astranomy研究显示，在RoboLab-120仿真操作基准中 ，基于GPT-6 Astra的智能体方案取得74.8%的成功率 ，高于研究列出的专用模型Lakeside的51.0% 。
其中，74.8%对应的是带有持续交互上下文的智能体方案；直接生成动作的方案 ，成功率为66.3%。测试主要覆盖抓取 、放置等操作 ，模型推理时仿真环境暂停，尚未检验其在持续变化的环境中实时应对的能力 ，也未覆盖插接 、装配等复杂接触任务 。
英伟达测试结果
类似进展也出现在Anthropic的新模型上 。
Anthropic发布的Claude Fable 5.2与Mythos 5.2 ，在由公司内部运行的RoboDojo Sim双臂机器人仿真测试中，Fable 5.2得分为64.9%，同一测试框架下GPT-6 Astra为29.8%。公司还展示了Fable 5.2控制机器人拧开瓶盖、绘画等任务。该测试与英伟达研究所用基准不同 ，成绩不能直接横向比较 。
国内机器人企业也已将GPT-6 Astra用于实际测试 。
10月22日 ，在2026世界物理AI大会暨宇树合作伙伴生态大会上，宇树科技创始人王兴兴表示 ，物理AI已经看到被击穿的苗头 ，突破可能在最近一至三年出现。他在现场展示了宇树使用GPT-6开展的机器人测试，涉及绘画 、规划导航等任务 。
优必选则同时测试了通用模型直接控制和与具身模型协同的路径 。
此前 ，澎湃新闻记者获悉 ，优必选围绕GPT-6 Astra开展了六组真机与仿真测试，涵盖真机抓取魔方 、抓取福袋、自主绕障 ，以及仿真环境中的篮子搬运 、直接控制叠碗和结合世界模型叠碗。
按公司披露的结果 ，Astra直接抓取魔方 、仿真搬运篮子及直接叠碗均未完成；与专用具身模型协同后，机器人完成了福袋抓取、绕障移动及叠碗 。
协同方案涉及调用优必选自研Thinker-VLA执行操作 ，以及结合Thinker-WM预测动作结果、辅助决策 。在叠碗测试中 ，相较直接控制方案，协同方案的Astra Token消耗和API估算费用分别减少83.6% 、74.2%。
优必选测试Astra直接控制抓魔方
这些实践呈现出通用模型进入机器人的不同方式：既可以直接生成动作，也可以负责理解任务 、制定计划 ，再调用专用模型执行 。模型之间如何分工 ，已经开始影响任务完成情况和运行开销 。
通用模型参与决策与研发，专用模型继续补足执行能力
通用模型能够承担更多任务 ，并不意味着面向机器人的专门训练已经失去作用。谷歌近期更新的机器人系统 ，仍在通过具身推理和动作模型的配合，提高实际操作能力 。
11月10日 ，谷歌DeepMind发布Gemini Robotics 2.5 。这是一款视觉-语言-动作（VLA）模型 ，能够将视觉观察和语言指令转化为机器人动作。据公司介绍，该模型在200余项任务中接受评估 ，覆盖工具使用、柔性物体操作等能力 ，包括用夹子取放食物 、为礼盒系蝴蝶结和移取液体。
谷歌同时披露，在与Apptronik 、奔驰开展的汽车产线概念验证中 ，Apollo 2人形机器人进行零部件拣选、配套作业 ，成功率达到96% 。其中，具身推理模型负责跟踪工作流程，Gemini Robotics 2.5动作模型控制手臂和双手 ，将零件从料箱中取出 ，放入配套容器 。
谷歌Apollo 2人形机器人
这一分工与优必选的探索有相通之处：任务理解 、流程跟踪和连续动作执行，由不同模型协同完成。对机器人而言 ，理解“把零件放进容器” ，还需要进一步落实为接近物体 、调整抓取姿态、移动和放置等具体操作 。
通用模型的作用也在向机器人研发过程延伸 。
据谷歌介绍，Gemini 4 Argon参与了Gemini Robotics 2.5的研发 ，可以根据真实摄像头画面辅助构建数字孪生 、生成仿真练习 ，并结合任务失败的视频分析原因，帮助研究人员测试改进方案。这些仿真数据与真实操作示范结合 ，用于提升机器人对新场景和新物体的适应能力 。
这提供了观察两类模型关系的另一个角度：通用模型不仅可以参与机器人执行任务 ，也可以帮助收集和生成训练材料 、分析失败原因，加快专用模型的改进 。
因此 ，通用模型与具身模型之间 ，既存在能力覆盖范围的变化，也存在研发和应用上的协同。通用能力提升之后，哪些任务可以直接完成 ，哪些仍需通过机器人数据训练 ，正在由具体测试来检验 。
模型更聪明之后，还要看速度与成本
通用模型能否接管更多机器人工作 ，接下来还需要回答部署中的问题 。
英伟达的Astranomy研究中 ，直接控制方案平均每次推理耗时约18.56秒；取得最高成功率的智能体方案，每次成功任务的API费用估算约36.40美元。研究明确指出 ，延迟和成本是实际应用的重要限制 。
成功率的提升 ，并不总是伴随着速度和成本的改善 。带有更多上下文、能够持续规划和调整的智能体方案，可能完成更复杂的任务 ，但也需要更多推理和模型调用。优必选的协同测试则表明 ，在特定任务中，将部分动作执行交给专用模型 ，可以减少对通用模型的调用。
这也使机器人模型的比较不能只看一个成功率数字 。仿真中的抓取 、真机上的叠碗 ，以及汽车产线的零部件配套，任务条件和作业要求不同，能够支撑的结论也各有范围 。
在真实工作环境中 ，物体和人员不会在模型思考时暂停。机器人最终完成一次任务 ，与按产线节拍持续作业之间，还隔着响应速度 、运行成本和出错后的恢复能力 。
从仿真测试走向工厂 ，模型成绩还需要转化为具体的作业指标：更换零件后能否抓准 ，操作偏差能否自行纠正，一班需要多少次人工接管 ，每完成一次作业要花多少钱 。这些问题也将决定通用模型能够直接承担多少工作以及哪些环节仍需要专门训练。
（文章来源：澎湃新闻）
