GPT-6 Astra掀起的具身智能風暴仍在持續。

這款通用語言模型針對Agent和Coding進行最佳化，用於電腦操作、網頁瀏覽、寫程式碼、網路安全、科學推理，但一個字沒留給機器人。

然而，隨後幾天，用GPT-6 Astra控制機械臂的視訊演示大範圍傳播，新模型無需額外訓練，直接操控機械臂抓取，放置物體，具身智能圈迅速展開了測試與爭論。

獨立評測機構Robocurve的實機測試顯示，在雙臂機械臂執行“抓取方塊並放入碗中”的任務上，Astra取得95%的成功率，明顯高於Claude Fable 5.1的40%。

亞馬遜Alexa首席科學家Zeeshan Zia公開斷言，機器人領域的OpenAI可能就是OpenAI本身，而不是Physical Intelligence或Skild。

OpenAI CEO奧爾特曼（Sam Altman）則對外證實，公司正在研發首款人形機器人產品。

“2027年我們會有一個很酷的演示，一個很棒的演示。我不認為再過幾年就會大街上到處有機器人走動，但我們會拿出令人印象深刻的東西。”奧爾特曼表示。

但在OpenAI首個機器人發佈之前，替它把機器人三個字接上的，是一家中國公司。

9月12日，一份三十頁的技術報告掛上github平台，標題起得很直白——《GPT-6 Astra 作為具身策略》。

作者來自銀河通用機器人團隊，報告第一作者是北京大學前沿計算研究中心助理教授、銀河通用創始人兼CTO王鶴教授的博士生Jiayi Su（蘇佳奕），通訊作者是王鶴與銀河通用聯合創始人、大模型負責人張直政。

這份報告中，銀河通用把GPT-6 Astra和 Physical Intelligence 的 π0.5 放進同一個模擬雙臂測試台，跑了上百次任務，全程錄影，評測資料和程式碼全部公開。

這不是Demo演示視訊，而是一套閉環對比實驗。

結果顯示，團隊在10類複雜機器人操作任務的50次測試中，GPT-6 Astra Direct任務中成功13次，成功率為26%，48個具有完整原生評分的任務平均得分為37.81。接入π0.5後，成功次數提高到24次，成功率達到48%，平均得分升至62.6分。

更值得注意的是，Astra只修改了全部執行控制步驟中的14.4%。

顯然，儘管當前Astra還替不了機器人的“小腦”，執行比如插入、倒液體等高難度、依賴真實物理控制的任務，但它可以看懂環境、判斷和規劃。

隨著通用模型能力變強，機器人“大腦”分工可能會被重新劃分，一旦GPT-6和π0.5這類具身智能開源模型進行結合，機器人在人類任務上展現出更多“智能湧現”的能力。所以，國內具身智能行業正在迎來一個新的挑戰。

對此，極佳視界聯合創始人兼首席科學家朱政近期發出警告，GPT-6這類語言模型已經吃掉了多模態，正在蠶食具身智能，人才、算力、資金又全面佔優。“狼已經來了，放棄幻想”。未來一兩年將是關鍵窗口，今天的具身智能還沒有真正的護城河。

銀河通用團隊讓 GPT-6 Astra 只改 14.4% 的動作，就把機器人行業的防線往後推了一截。

這意味著，通用大模型與具身智能之間的邊界正在快速移動，留給中國具身智能的時間不多了。

1991年，美國麻省理工學院（MIT）教授Rodney Brooks提出了一個後來被反覆引用的判斷：

智能不是大腦單獨算出來的，而是大腦、身體、環境三者互動的產物。

這就是具身智能（Embodied AI）的理論起點，它其實回答了一個問題：物理 AI 到底從何而來。

但這個命題提出後很長時間裡更像一句哲學判斷，落不了地。

真正把 AI 往前推一步的，是後來的大語言模型（LLM）。大模型活在純數字空間，沒有身體，靠海量文字和圖像做統計擬合。它能輸出文字、圖片、視訊、程式碼，能跟你滔滔不絕地談論世界，卻並不作用於世界。它懂機率，不懂因果；它見過幾萬張杯子的照片，卻不知道一隻杯子為什麼會從桌上滑下去。

變化發生在多模態和世界模型這兩條技術線開始匯合之後。通用模型不再只輸出語言，它開始能“看見”空間、預測動作的後果，也是在這個節點上，具身大模型成了機器人“怎麼做”的核心工具，而通用大模型本身，則成了這套東西的上一代範式。

但到了2024年CES上，輝達 CEO 黃仁勳正式把這套東西命名為“物理 AI”（Physical AI），指能在物理世界感知、推理、行動的 AI 系統。

它有一個可以寫下來的公式：物理 AI=世界模型（腦）+具身智能（身）+ 硬體本體與模擬訓練。前者負責看懂世界、預判後果，後者負責動手執行、邊做邊學"，再加上硬體和模擬把這套閉環真正跑起來。

但到了 GPT-6 Astra，這條邊界又開始模糊了。

核心原因在於，Astra在視覺理解、空間規劃、糾錯和工具呼叫上的升級非常明顯，直接把建模能力和空間能力往上推了一個檔次。

換句話說，原本被認為必須靠機器人身體、靠物理互動才能補上的那塊短板，通用模型自己正在數字世界裡提前練出來。

海外團隊Robocurve 做了一個實驗，利用雙臂 I2RT YAM，20 次呼叫預算，每個模型每個任務跑20次，人工按完成階段打分。

Jay Chooi表示，GPT-6 Astra在機器人控制任務中得分95%，相比 Fable 5.1的40%，成功率是原來的2.4倍，而輸出tokens數量減少了6.2倍，成本降2.3倍。

而在涉及精確度的更難任務上，Astra的成功率與Fable 5.1 相同（2/20），但使用的輸出tokens數量減少了3.9倍，並且成本降低了1.6倍。

顯然，通用模型已經闖入了物理世界。

當GPT-6發佈之後，銀河通用團隊沒有只是關注，而是直接上手進行了測試。

根據報告顯示，銀河通用團隊利用RoboDojo基準測試，做了類似的實驗，選取10類複雜機器人操作任務，包括整理桌面、根據語言分類物體、排序數字、裝箱、搭塔、麻將槓牌、疊衣服和瓶子入桶等，每個任務進行5次測試，共50次。

一種是GPT-6 Astra Direct，由Astra直接根據視覺、本體狀態和任務目標生成機器人動作。

另一組是π0.5+Astra，由π0.5提供動作，Astra觀察環境和候選動作，提供語義層面的判斷與修正，與π0.5的物理空間互動及動作先驗形成互補架構，結果差異明顯。

在50次任務中，Astra Direct成功13次、成功率26%、任務平均得分為37.81分。

接入π0.5後，成功次數提高到24次，成功率48%。

換句話說，大部分動作仍由π0.5完成，Astra主要在關鍵節點負責理解任務、判斷當前狀態，以及決定是否需要修正。

π0.5+Astra排名第一，而除了Galaxea G0.5，其他中國具身模型的分數低於Astra分數，榜單上還看得到小米 R1、美團 R0等模型的名字。

不僅如此，在“物體分類”任務中，Astra Direct得到100分，5次全部成功；“按語言分類”平均得分達到60，成功率40%；“排出最大數字”得分57。

也就是說，兩類模型不僅具有明顯的互補性，而且大模型擅長的語言理解、視覺識別、關係推理和目標規劃能力，也得到了應用。

此外，RoboLab實驗進一步展示了GPT-6 Astra在另一類任務上的優勢，考察通用機器人策略對視覺、物體關係、任務指令和空間結構的理解。

團隊從中選取10類任務，每類進行5次評測，共50次，包括將方塊放入容器、在雜物中尋找並移動南瓜、按照指定順序堆疊積木、調整杯子朝向，以及把不同物體放入指定位置等。

結果顯示，GPT-6 Astra Direct在50次實驗中成功49次，成功率98%；Astra+π0.5完成46次，成功率92%。

作為參考，同一組統計中的π0.5完成18次，Cosmos3-Nano-Policy完成18次，DreamZero完成17次。

在“物體分類”等任務中，Astra Direct甚至取得100分。

Astra在多個任務中實現5次全部成功，包括方塊入箱、雜物中處理南瓜、按照關係擺放物體、按指定順序堆疊、重新調整杯子方向等，唯一沒有全部成功的是“大號葡萄乾盒放入容器”，5次完成4次。

值得注意的是，除了畫面、機器人狀態和自然語言任務描述，Astra沒有針對這些具體任務額外訓練。

而到了精細接觸、穩定抓取和連續控制的任務，大模型短板暴露出來。比如，Astra Direct在搭塔任務中平均只有12分，麻將槓牌為0分。

這意味著，這些任務要求精確接觸、穩定抓取、碰撞控制以及對物體受力狀態的持續判斷。所以，相比語義和視覺任務，大模型能夠理解目標，並不等於能夠穩定完成動作。

加入π0.5之後，“搭塔”從12分提高到64分，麻將槓牌從0提高到40，疊衣服和瓶子入桶等任務也明顯改善。

當然，這種能力提升的代價仍然很高。RoboDojo實驗中，π0.5+Astra累計消耗約6.25億Tokens，Astra Direct則超過11.3億Tokens。

但需要說明的是，這是兩個不同方案各自的總消耗，不是“一起跑了18億tokens”。

實驗中還出現了大量傳統機器人策略較少展示的行為。

例如，Astra不會把一條指令執行到底。每做完一段，它就看一眼新畫面，重新判斷任務狀態：抓得不對就換個姿勢重來，擺好了但沒真正完成就繼續修正，裝箱時連箱子後面漏掉的東西也會回頭找，計畫走不通，就當場換一條路。

這印證了一層最重要的資訊：Astra最擅長的是語義理解、視覺識別、空間關係判斷和任務規劃，所以，大模型已經能夠進入機器人策略層，但依然缺乏對物理世界的理解和對物理世界的操作。

最終的結論是，GPT-6 Astra已展現出很強的機器人策略能力，它能從任務語義出發提出動作，糾正目標對齊錯誤，進行非抓取操作，並根據執行反饋推理和恢復。它的優勢不僅在於生成動作，還在於遇到特殊情況時重新理解“現在應該做什麼”。

而π0.5則可以類比為這一架構的“小腦”，以較低的推理開銷提供熟練的動作軌跡和物體互動先驗。

不僅如此，GPT-6 Astra可以判斷目標、處理異常並作出針對性修正。

兩者結合後，僅14.4%的執行控制步由GPT-6 Astra修正，就在RoboDojo任務子集上獲得了更高的成功率，同時比Direct控制消耗更少的token。

而且，最近我在一些貼文中也發現，GPT-6 Astra也可以做靈巧手的模擬模擬。

這證明，GPT-6 Astra非常適合在機器人資料採集和模擬建模場景當中落地。

上述測試結果為具身智能行業指向一種有價值的分工：讓具身策略承擔它擅長的連續操作，讓通用模型在目標、幾何或任務進度偏離預期時重新判斷。語義推理與動作經驗並非互相替代，而是可以在同一個閉環中相互增強。

留給國內具身智能的時間不多了

Astra為什麼能較好地控制機械臂執行任務？

去年開始，OpenAI和Anthropic就在大量採購機器人資料，並有自己的小規模資料工廠，還招募了不少機器人方向研發人才。

今年2月，OpenAI宣佈獲得 1100 億美元新增投資，此後又完成1220億美元新一輪融資。這筆資金當中，OpenAI 已經通過資料採集機構購入千萬小時級的具身資料，在這個方向投入百億人民幣級資源。

奧爾特曼本人也把話說明白了：要做人形機器人。

那麼，對於中國具身智能和人形機器人公司來說，怎麼辦？

前地瓜機器人具身負責人、虛時科技CTO何泳澔認為，VLA、世界模型這類方案，可能已經沒有太大投入的價值了，具身的突破大機率來自基模大廠。

在最近外灘大會期間，自變數機器人CEO王潛則做出了一個判斷：“今天（具身）智能的本體是存在於資料裡面的，模型更多的是蒸餾器和容器。”

他認為，語言模型每一代的提升，一部分來自模型規模變大（這部分更多是 Infra 層面），更大的提升其實來自越來越好的資料。Coding先被解決，因為它是最容易製造和驗證的資料，數學緊隨其後，3D和視訊生成也因為相對容易標註而快速進步。

當然，他這個判斷有依據：物理資料採集、硬體適配、長期穩定運行，這些門檻大模型公司一樣要補，跨不過去，但門檻是所有人都要交的作業，不是誰家的護城河。

破殼機器人創始人、清華大學交叉資訊研究院助理教授許華哲在外灘大會上提到，GPT-6 Astra是相當驚豔的，他們團隊在Astra可用當天就做了測試。但他給出的結論是，如果把具身任務拆成語義泛化、空間泛化和物理泛化三個維度，Astra在前兩項上很強，只在物理泛化上較弱。

他舉了個例子，Astra甚至能抓起一根放在桌面上的筷子，甚至能把筷子立起來插進杯子裡，但一旦涉及帶物理接觸的複雜任務，比如用筷子挑開東西、疊衣服、疊盒子，Astra都是做不了的。

儘管Astra這類AI大模型在物理世界的“粗放操作”已經很猛了，但精細操作都還有進步空間，尤其對於那些需要接觸力、變形、摩擦的精細操作，通用模型依然無法實現。

所以看起來，GPT-6 Astra+π0.5未必是最終形態，但銀河通用這份報告已經讓一條路徑變得更清楚：通用模型擴大認知和泛化邊界，具身模型補足動作與物理互動能力。

正如螞蟻靈波科技CEO朱興提出的問題：OpenAI這麼強，為什麼不去做自動駕駛，短時間內掀翻特斯拉？

顯然，模型優勢到產業優勢之間，隔著資料管線和場景know-how問題。

當9月初Astra發佈之後，網上轉的demo，視訊拍得好看，轉一圈也就過去了。但銀河通用團隊直接把 Astra 接進了自己的模擬雙臂台。

彙整鉅亨號中所有使用「通用語言模型」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

GPT-6 Astra只改14.4%，留給中國具身智能的時間不多了