DeltaMedia
2026-11-22
模型動態

兩個月表現翻倍!GPT-6.2 Astra 拿下首勝,連打結、摺 T 恤都難不倒它

2026 年 11 月 21 日,XDOF 實測顯示 GPT-6.2 Astra 在 Ember-0 雙臂機器人基準 16 項任務的綜合成功率達 41.2%,較兩個月前 GPT-6 Astra 的 19.6% 提升 21.6 個百分點。

兩個月表現翻倍!GPT-6.2 Astra 拿下首勝,連打結、摺 T 恤都難不倒它

重點摘要

  • 2026 年 11 月 21 日,XDOF 實測顯示 GPT-6.2 Astra 在 Ember-0 雙臂機器人基準 16 項任務的綜合成功率達 41.2%,較兩個月前 GPT-6 Astra 的 19.6% 提升 21.6 個百分點。
  • 「給繩子打結」與「展開 T 恤」兩項任務在 Ember-0 累計 143 次測試中從未有模型完成,GPT-6.2 Astra 這次首次通過測試,攻克了柔性物體操作的瓶頸。
  • 平均預測延遲雖從 15 秒降至 10.1 秒,但每次動作塊輸出間的等待時間仍限制即時微調能力,成為邁向生產部署的關鍵瓶頸。

2026 年 11 月 21 日,機器人基礎設施公司 XDOF 公佈最新實測結果,GPT-6.2 Astra 操控雙臂機器人完成 Ember-0 基準 16 項任務的綜合成功率達到 41.2%。對比兩個月前 GPT-6 Astra 的 19.6%,這一數字提升了 21.6 個百分點。OpenAI 官方開發者帳號轉發了這份結果,聯合創辦人兼總裁 Greg Brockman 也發文稱「GPT-6.2 Astra 在機器人技術方面表現非常出色」。這話有成績單撐腰,更關鍵的是 GPT-6.2 Astra 這次拿下了兩個先前從未有模型通過的任務。

GPT-6.2 Astra 突破了柔性物體操作的極限,宣告通用大模型具身控制已邁入從『理論可行』走向『工程優化』的關鍵轉折點。

41.2% 的數字背後,測試條件有多嚴苛?

Ember-0 是 XDOF 為真實物理環境設計的機器人基準測試,使用雙臂機器人在 16 個任務上各跑 30 次,涵蓋空間推理、物件抓取、雙臂協作、工具使用、精細操作和柔性物體處理。XDOF 以六台 YAM 工作站並行測試,單日可完成 480 場,並由人工標注子步驟、抓取失誤與碰撞,以過濾硬體偏差和隨機干擾。在這樣的嚴苛條件下,41.2% 是 16 項任務成功率的等權平均,進步並非某一項的單點突破。

從個別任務看,改善幅度最大的是「用夾子夾起麵包」:GPT-6 Astra 只有 10%,GPT-6.2 Astra 拉到 90%。其他明顯改善的還有需要物理推理的「拉毛巾取回遠處玩具」和「傾斜托盤讓球滾入碗中」,以及考驗記憶與感知的「尋找被遮擋的麥克筆」和「遵循紅色便條紙上的隱藏指令」。XDOF 在貼文指出,Ember-0 或許不久後就會被模型能力「填滿」,目前的進步速度明顯超出基準原先的設計預期。不過這次測試最有看頭的,還是那兩個先前從未有人通關的任務。

為什麼柔性物體操作長期是機器人的難關?

像 Diffusion Policy、ACT 或 RT-2 這類視覺語言動作(VLA,Vision-Language-Action)模型與專用策略模型,通常靠大量人類示教資料來學習抓取技能。這套做法在剛性物體上效果不錯:杯子或箱子幾何形狀穩定,抓取位置和軌跡容易預測,訓練後往往能形成穩定策略。換一種物體或把幾個動作串成更複雜的任務,原有策略就容易失效,模型往往需要補充示教資料才能適應。

柔性物體又把難度推高一層。展開 T 恤或打結時,物體形態隨每次接觸、抓取和拉扯持續變化,形變過程極難預測。機器人必須從腕部和頂部鏡頭的畫面裡,持續判斷衣物的角點、褶皺和整體形態,再決定下一步怎麼動;稍有差池,衣角滑落或繩索纏繞,前面的步驟就白費了。在 XDOF 的評測框架裡,這兩項任務主要考驗形變控制、雙臂協調、精細操作(Dexterity)與長程規劃(Long-horizon planning)。硬體沒有觸覺回饋,模型每輸出一個動作塊(Action chunk)後還要等待十餘秒到二十餘秒的推理延遲,期間機械臂無法即時微調。GPT-6.2 Astra 在這種條件下還能通關 T 恤展開,代表即使缺乏即時微調機制,其規劃品質依然過硬、容錯率極高。換個說法:10.1 秒延遲目前限制的是可部署的場景範圍,而不再是任務類型本身。對工程團隊而言,這個數字至少從「不可逾越的高牆」變成了「得以下壓的基準線」。

延遲仍是短板,通用大模型的即時性邊界在哪?

GPT-6.2 Astra 的平均預測延遲從 GPT-6 Astra 的 15 秒降至 10.1 秒,方向對,幅度也有感。但和其他模型架構相比,大型語言模型擔任高階規劃器(俗稱第二系統模型)的高延遲是架構層面的代價。現有條件下,每次動作塊輸出之間機器手臂只能等待,無法依感知回饋連續微調;打結這類需要多步精細接觸的任務尤其明顯,任何一步偏差要等到下一個動作塊才有機會修正,積累誤差的風險很高。

Jiafei Duan 獨立測試了 GPT-6.2 Astra 在真實機器人上的表現,報告稱其在一天內就衝到了 RoboColosseum 的 SO-101 Elo 排名第一。從輝達研究團隊測試 GPT-6 Astra 直接充當機器人策略模型,到 Claude 在機器人模擬環境中展現複雜操作能力,再到 Google DeepMind 將 Gemini 延伸至機器人控制,通用大模型開始擺脫「能講出步驟卻落不了地」的困境。過去只能靠專用訓練資料硬啃的柔性物體操作,也終於出現可用的通用解法。

需要誠實說清楚的邊界是:Ember-0 的結果嚴格在 YAM 雙臂工作站、特定任務集和 30 次重複協議下取得,41.2% 距離實際生產部署要求仍有距離。XDOF 自己也說基準快要飽和,更難的測試才是真正的能力天花板。對做具身 AI 底層基礎設施的工程師和創業者來說,接下來最該解決的就是把延遲壓下去,並在缺乏觸覺回饋的硬體上提高規劃品質。10.1 秒的延遲雖然比 15 秒進步,但對需要連續感知、快速響應的機器人來說,10 秒依然不短。這個數字從「做不到」變成「可以往下壓的基線」,意味著技術路徑已經開啟,但工程挑戰才剛開始。

相關公司 OpenAI
本文由 DeltaMedia 編輯團隊審核後發布 · 編輯原則