GPT-6 Astra只改14.4%，留给中国具身智能的时间不多了

GPT-6 Astra掀起的具身智能风暴仍在持续。

9月初，OpenAI发布GPT-6 Astra。

这款通用语言模型针对Agent和Coding进行优化，用于电脑操作、网页浏览、写代码、网络安全、科学推理，但一个字没留给机器人。

然而，随后几天，用GPT-6 Astra控制机械臂的视频演示大范围传播，新模型无需额外训练，直接操控机械臂抓取，放置物体，具身智能圈迅速展开了测试与争论。

独立评测机构Robocurve的实机测试显示，在双臂机械臂执行“抓取方块并放入碗中”的任务上，Astra取得95%的成功率，明显高于Claude Fable 5.1的40%。

亚马逊Alexa首席科学家Zeeshan Zia公开断言，机器人领域的OpenAI可能就是OpenAI本身，而不是Physical Intelligence或Skild。

OpenAI CEO奥尔特曼（Sam Altman）则对外证实，公司正在研发首款人形机器人产品。

“2027年我们会有一个很酷的演示，一个很棒的演示。我不认为再过几年就会大街上到处有机器人走动，但我们会拿出令人印象深刻的东西。”奥尔特曼表示。

但在OpenAI首个机器人发布之前，替它把机器人三个字接上的，是一家中国公司。

9月12日，一份三十页的技术报告挂上github平台，标题起得很直白——《GPT-6 Astra 作为具身策略》。

作者来自银河通用机器人团队，报告第一作者是北京大学前沿计算研究中心助理教授、银河通用创始人兼CTO王鹤教授的博士生Jiayi Su（苏佳奕），通讯作者是王鹤与银河通用联合创始人、大模型负责人张直政。

这份报告中，银河通用把GPT-6 Astra和 Physical Intelligence 的 π0.5 放进同一个仿真双臂测试台，跑了上百次任务，全程录像，评测数据和代码全部公开。

这不是Demo演示视频，而是一套闭环对比实验。

结果显示，团队在10类复杂机器人操作任务的50次测试中，GPT-6 Astra Direct任务中成功13次，成功率为26%，48个具有完整原生评分的任务平均得分为37.81。接入π0.5后，成功次数提高到24次，成功率达到48%，平均得分升至62.6分。

更值得注意的是，Astra只修改了全部执行控制步骤中的14.4%。

显然，尽管当前Astra还替不了机器人的“小脑”，执行比如插入、倒液体等高难度、依赖真实物理控制的任务，但它可以看懂环境、判断和规划。

随着通用模型能力变强，机器人“大脑”分工可能会被重新划分，一旦GPT-6和π0.5这类具身智能开源模型进行结合，机器人在人类任务上展现出更多“智能涌现”的能力。所以，国内具身智能行业正在迎来一个新的挑战。

对此，极佳视界联合创始人兼首席科学家朱政近期发出警告，GPT-6这类语言模型已经吃掉了多模态，正在蚕食具身智能，人才、算力、资金又全面占优。“狼已经来了，放弃幻想”。未来一两年将是关键窗口，今天的具身智能还没有真正的护城河。

银河通用团队让 GPT-6 Astra 只改 14.4% 的动作，就把机器人行业的防线往后推了一截。

这意味着，通用大模型与具身智能之间的边界正在快速移动，留给中国具身智能的时间不多了。

成功率达到原来的2.4倍

通用模型闯入物理世界

1991年，美国麻省理工学院（MIT）教授Rodney Brooks提出了一个后来被反复引用的判断：

智能不是大脑单独算出来的，而是大脑、身体、环境三者交互的产物。

这就是具身智能（Embodied AI）的理论起点，它其实回答了一个问题：物理 AI 到底从何而来。

但这个命题提出后很长时间里更像一句哲学判断，落不了地。

真正把 AI 往前推一步的，是后来的大语言模型（LLM）。大模型活在纯数字空间，没有身体，靠海量文本和图像做统计拟合。它能输出文字、图片、视频、代码，能跟你滔滔不绝地谈论世界，却并不作用于世界。它懂概率，不懂因果；它见过几万张杯子的照片，却不知道一只杯子为什么会从桌上滑下去。

变化发生在多模态和世界模型这两条技术线开始汇合之后。通用模型不再只输出语言，它开始能“看见”空间、预测动作的后果，也是在这个节点上，具身大模型成了机器人“怎么做”的核心工具，而通用大模型本身，则成了这套东西的上一代范式。

但到了2024年CES上，英伟达 CEO 黄仁勋正式把这套东西命名为“物理 AI”（Physical AI），指能在物理世界感知、推理、行动的 AI 系统。

它有一个可以写下来的公式：物理 AI=世界模型（脑）+具身智能（身）+ 硬件本体与仿真训练。前者负责看懂世界、预判后果，后者负责动手执行、边做边学"，再加上硬件和仿真把这套闭环真正跑起来。

但到了 GPT-6 Astra，这条边界又开始模糊了。

核心原因在于，Astra在视觉理解、空间规划、纠错和工具调用上的升级非常明显，直接把建模能力和空间能力往上推了一个档次。

换句话说，原本被认为必须靠机器人身体、靠物理交互才能补上的那块短板，通用模型自己正在数字世界里提前练出来。

海外团队Robocurve 做了一个实验，利用双臂 I2RT YAM，20 次调用预算，每个模型每个任务跑20次，人工按完成阶段打分。

Jay Chooi表示，GPT-6 Astra在机器人控制任务中得分95%，相比 Fable 5.1的40%，成功率是原来的2.4倍，而输出tokens数量减少了6.2倍，成本降2.3倍。

而在涉及精确度的更难任务上，Astra的成功率与Fable 5.1 相同（2/20），但使用的输出tokens数量减少了3.9倍，并且成本降低了1.6倍。

显然，通用模型已经闯入了物理世界。

消耗近18亿Tokens，

GPT-6强在理解任务和发现问题

当GPT-6发布之后，银河通用团队没有只是关注，而是直接上手进行了测试。

根据报告显示，银河通用团队利用RoboDojo基准测试，做了类似的实验，选取10类复杂机器人操作任务，包括整理桌面、根据语言分类物体、排序数字、装箱、搭塔、麻将杠牌、叠衣服和瓶子入桶等，每个任务进行5次测试，共50次。

实验设置了两种方案。

一种是GPT-6 Astra Direct，由Astra直接根据视觉、本体状态和任务目标生成机器人动作。

另一组是π0.5+Astra，由π0.5提供动作，Astra观察环境和候选动作，提供语义层面的判断与修正，与π0.5的物理空间交互及动作先验形成互补架构，结果差异明显。

在50次任务中，Astra Direct成功13次、成功率26%、任务平均得分为37.81分。

接入π0.5后，成功次数提高到24次，成功率48%。

更值得注意的是，Astra只修改了全部执行控制步骤中的14.4%。

换句话说，大部分动作仍由π0.5完成，Astra主要在关键节点负责理解任务、判断当前状态，以及决定是否需要修正。

π0.5+Astra排名第一，而除了Galaxea G0.5，其他中国具身模型的分数低于Astra分数，榜单上还看得到小米 R1、美团 R0等模型的名字。

不仅如此，在“物体分类”任务中，Astra Direct得到100分，5次全部成功；“按语言分类”平均得分达到60，成功率40%；“排出最大数字”得分57。

也就是说，两类模型不仅具有明显的互补性，而且大模型擅长的语言理解、视觉识别、关系推理和目标规划能力，也得到了应用。

此外，RoboLab实验进一步展示了GPT-6 Astra在另一类任务上的优势，考察通用机器人策略对视觉、物体关系、任务指令和空间结构的理解。

团队从中选取10类任务，每类进行5次评测，共50次，包括将方块放入容器、在杂物中寻找并移动南瓜、按照指定顺序堆叠积木、调整杯子朝向，以及把不同物体放入指定位置等。

结果显示，GPT-6 Astra Direct在50次实验中成功49次，成功率98%；Astra+π0.5完成46次，成功率92%。

作为参考，同一组统计中的π0.5完成18次，Cosmos3-Nano-Policy完成18次，DreamZero完成17次。

在“物体分类”等任务中，Astra Direct甚至取得100分。

Astra在多个任务中实现5次全部成功，包括方块入箱、杂物中处理南瓜、按照关系摆放物体、按指定顺序堆叠、重新调整杯子方向等，唯一没有全部成功的是“大号葡萄干盒放入容器”，5次完成4次。

值得注意的是，除了画面、机器人状态和自然语言任务描述，Astra没有针对这些具体任务额外训练。

而到了精细接触、稳定抓取和连续控制的任务，大模型短板暴露出来。比如，Astra Direct在搭塔任务中平均只有12分，麻将杠牌为0分。

这意味着，这些任务要求精确接触、稳定抓取、碰撞控制以及对物体受力状态的持续判断。所以，相比语义和视觉任务，大模型能够理解目标，并不等于能够稳定完成动作。

加入π0.5之后，“搭塔”从12分提高到64分，麻将杠牌从0提高到40，叠衣服和瓶子入桶等任务也明显改善。

当然，这种能力提升的代价仍然很高。RoboDojo实验中，π0.5+Astra累计消耗约6.25亿Tokens，Astra Direct则超过11.3亿Tokens。

加一起接近18亿Tokens。

但需要说明的是，这是两个不同方案各自的总消耗，不是“一起跑了18亿tokens”。

实验中还出现了大量传统机器人策略较少展示的行为。

例如，Astra不会把一条指令执行到底。每做完一段，它就看一眼新画面，重新判断任务状态：抓得不对就换个姿势重来，摆好了但没真正完成就继续修正，装箱时连箱子后面漏掉的东西也会回头找，计划走不通，就当场换一条路。

这印证了一层最重要的信息：Astra最擅长的是语义理解、视觉识别、空间关系判断和任务规划，所以，大模型已经能够进入机器人策略层，但依然缺乏对物理世界的理解和对物理世界的操作。

最终的结论是，GPT-6 Astra已展现出很强的机器人策略能力，它能从任务语义出发提出动作，纠正目标对齐错误，进行非抓取操作，并根据执行反馈推理和恢复。它的优势不仅在于生成动作，还在于遇到特殊情况时重新理解“现在应该做什么”。

而π0.5则可以类比为这一架构的“小脑”，以较低的推理开销提供熟练的动作轨迹和物体交互先验。

不仅如此，GPT-6 Astra可以判断目标、处理异常并作出针对性修正。

两者结合后，仅14.4%的执行控制步由GPT-6 Astra修正，就在RoboDojo任务子集上获得了更高的成功率，同时比Direct控制消耗更少的token。

而且，最近我在一些贴文中也发现，GPT-6 Astra也可以做灵巧手的仿真模拟。

这证明，GPT-6 Astra非常适合在机器人数据采集和仿真建模场景当中落地。

上述测试结果为具身智能行业指向一种有价值的分工：让具身策略承担它擅长的连续操作，让通用模型在目标、几何或任务进度偏离预期时重新判断。语义推理与动作经验并非互相替代，而是可以在同一个闭环中相互增强。

留给国内具身智能的时间不多了

Astra为什么能较好地控制机械臂执行任务？

去年开始，OpenAI和Anthropic就在大量采购机器人数据，并有自己的小规模数据工厂，还招募了不少机器人方向研发人才。

今年2月，OpenAI宣布获得 1100 亿美元新增投资，此后又完成1220亿美元新一轮融资。这笔资金当中，OpenAI 已经通过数据采集机构购入千万小时级的具身数据，在这个方向投入百亿人民币级资源。

奥尔特曼本人也把话说明白了：要做人形机器人。

那么，对于中国具身智能和人形机器人公司来说，怎么办？

前地瓜机器人具身负责人、虚时科技CTO何泳澔认为，VLA、世界模型这类方案，可能已经没有太大投入的价值了，具身的突破大概率来自基模大厂。

在最近外滩大会期间，自变量机器人CEO王潜则做出了一个判断：“今天（具身）智能的本体是存在于数据里面的，模型更多的是蒸馏器和容器。”

他认为，语言模型每一代的提升，一部分来自模型规模变大（这部分更多是 Infra 层面），更大的提升其实来自越来越好的数据。Coding先被解决，因为它是最容易制造和验证的数据，数学紧随其后，3D和视频生成也因为相对容易标注而快速进步。

当然，他这个判断有依据：物理数据采集、硬件适配、长期稳定运行，这些门槛大模型公司一样要补，跨不过去，但门槛是所有人都要交的作业，不是谁家的护城河。

破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲在外滩大会上提到，GPT-6 Astra是相当惊艳的，他们团队在Astra可用当天就做了测试。但他给出的结论是，如果把具身任务拆成语义泛化、空间泛化和物理泛化三个维度，Astra在前两项上很强，只在物理泛化上较弱。

他举了个例子，Astra甚至能抓起一根放在桌面上的筷子，甚至能把筷子立起来插进杯子里，但一旦涉及带物理接触的复杂任务，比如用筷子挑开东西、叠衣服、叠盒子，Astra都是做不了的。

这就是当前的真实边界。

尽管Astra这类AI大模型在物理世界的“粗放操作”已经很猛了，但精细操作都还有进步空间，尤其对于那些需要接触力、变形、摩擦的精细操作，通用模型依然无法实现。

所以看起来，GPT-6 Astra+π0.5未必是最终形态，但银河通用这份报告已经让一条路径变得更清楚：通用模型扩大认知和泛化边界，具身模型补足动作与物理交互能力。

正如蚂蚁灵波科技CEO朱兴提出的问题：OpenAI这么强，为什么不去做自动驾驶，短时间内掀翻特斯拉？

显然，模型优势到产业优势之间，隔着数据管线和场景know-how问题。

当9月初Astra发布之后，网上转的demo，视频拍得好看，转一圈也就过去了。但银河通用团队直接把 Astra 接进了自己的仿真双臂台。

这反应速度不是临时起意，而是这些研发人员自己就是天天跟策略、控制步、成功率死磕的人，希望了解Astra跟以前那些“能看不能动”的语言模型到底差在哪。

如果说，这篇报告表面看是银河通用帮Astra做了一次公开评测，但实际上，这是在拿别人的尺子量自己的路。

银河通用自己一直在搭大脑+小脑的分层架构，π0.5这一类提供动作先验，大模型做语义判断和方向修正。

这套思路对不对，以前只能自己跟自己比，但现在，银河通用利用验证Astra，等于从外头把答案又写了一遍：通用模型确实擅长理解任务、发现跑偏、纠正方向，但一到插管子、叠衣服、搭塔这种要手劲、要接触力的活，它就是不行，必须靠小脑兜底。

银河通用敢把测试数据全公开，把小米、美团、π0.5等模型名字全摆到同一张榜单上，谁高谁低一目了然。这不是蹭热度，而是做产品的人才有的底气。

也正因为如此，他们比谁都清楚通用大模型会把行业的墙推到哪，银河通用自研的银河星脑才不是追着GPT-6跑。

从银河通用成立第一天起，就是按“一脑多形”的终局在搭：银河星脑做全身全手端到端的具身基座，AstraBrain-WBC 0.5 管全身实时运动控制，WAM/LDA 把世界模型和动作模型塞进同一个隐空间，NavFoM 负责跨本体导航。

其中在具身智能部分，银河通用打造的银河星脑 (AstraBrain)定位为全球首个全身全手端到端具身基座大模型，让机器人具备类似人类的思考、理解和操作能力，支持机器人处理工业、商业等复杂场景中的多样化任务。

通用小脑部分，银河通用打造AstraBrain-WBC 0.5，专注于人形机器人全身的实时运动控制，在真实物理机上实现了大量未见动作的零样本泛化执行。

世界动作模型层面，银河通用将世界模型与动作模型进行统一框架（WAM）设计，通过潜在动态行动模型 (LDA)，在隐空间中把VLA模型与世界模型融合统一，实现跨本体泛化，提升机器人在未知环境中的自主反应和操作能力；此外，NavFoM则是全球首个跨本体、全域环视的导航基座大模型，帮助机器人在复杂环境中实现从简单跟随到自主通行的跨越。

Astra证明了，“大脑管判断、小脑管动手”这条路走得通。

而银河通用要做的事，是把这套东西从论文里的仿真台，搬进商场、工厂、酒店，变成每天真的在跑、真的在干活的机器人。

正如Scaling Law所揭示的，当数据规模越大、质量越高，模型的能力边界就越宽。随着数据与算力的进一步放大，我们或许才能真正期待具身智能价值的释放。

对于国内具身智能行业来说，我们也需要发展自己的通用大脑。但相对于大厂，如果创业公司如今继续从头训练一套大而全的模型，大概率只是用更高的成本，把OpenAI做完的作业重做一遍。

所以，具身智能“百模大战”才刚刚开始，但大脑这门生意，牌桌上的座位已经不多了。