OpenAI 最新的 GPT-6.2 Astra 在真实机械臂零样本测试拿到亮眼成绩,在 AA-Robotics v0.1 榜单拿到 79 分,同系列 GPT-6.2 Sol 也拿到 78 分,不需要单独针对机器人任务做专项训练,直接靠通用大模型写代码控制 6 轴机械臂完成实物操作,这个结果刚好印证了 DeepSeek 梁文锋之前的核心观点:AGI 的主线是通用基础模型持续变强,具身智能只是通用模型能力延伸出来的分支,而不是需要单独从头搭建的垂直机器人模型。过去行业里很多机器人团队都觉得,专门为机器人训练的垂直模型在力控、机械适配上面更有优势,通用大模型做机器人只是辅助,现在 OpenAI 这次测试结果,直接改变了这个认知,证明通用模型能力迭代到一定水平之后,本身就可以直接驱动实体机器人,不需要专门定制机器人基座模型,也让整个行业重新思考具身智能的研发路线。
GPT-6.2 Astra 机器人测试核心信息清单
- 评测基准:AA-Robotics v0.1
- 测试约束:零样本、不做机器人专项微调
- 硬件:6 轴真实机械臂,完成实物移动类物理任务
- GPT-6.2 Astra 得分:79 分,8 项任务完成 6 项
- GPT-6.2 Sol 得分:78 分
- 实现方式:通用模型输出控制代码,直接下发给机械臂执行
梁文锋对应的核心路线观点
- AGI 主线是通用基础模型迭代,具身智能、多模态、智能体都属于衍生应用,不是独立主线
- 当通用模型推理、规划、代码能力足够强的时候,天然就能完成机器人控制,不用单独训练机器人专用模型
- 世界模型、视频生成不是 AGI 的核心瓶颈,持续学习才是接下来最难攻克的环节
- 具身智能的拐点会跟着通用模型的能力升级同步到来,不用单独押注机器人垂直赛道
这次测试带来的行业变化
- 研发路线调整:不少机器人团队会开始增加通用大模型接入方案,减少纯垂直机器人模型的投入
- 赛道优先级变化:资本和研发资源会更多向通用基础模型倾斜,而不是单独投向具身垂直模型
- 路线验证:OpenAI、DeepSeek 两家头部团队,在 AGI 主线方向上形成了路线共识,只是落地节奏不一样
- 竞争方向:接下来比拼的重点变成通用模型的规划能力、代码生成、实时纠错能力,而不只是机器人硬件控制算法
这条路线还存在的明显短板
- 执行速度慢,当前模型完成抓取、摆放这类简单动作耗时很长,离商用实时机器人还有差距
- 稳定性不足,环境轻微变动就容易失败,鲁棒性不如专门调优的垂直机器人模型
- 算力开销高,旗舰通用模型跑机器人任务,算力成本远高于轻量化垂直模型
【相关 FAQ】
问题 1:OpenAI 这次什么测试结果印证了梁文锋的预言?
回答 1:OpenAI 的 GPT-6.2 Astra 在 AA-Robotics v0.1 机械臂零样本测试拿到高分,证明通用大模型可以直接驱动实体机器人,印证梁文锋通用模型是 AGI 主线、具身智能是延伸的判断。
问题 2:梁文锋关于通用模型和具身智能的核心预言是什么?
回答 2:梁文锋认为通往 AGI 的主线是通用基础模型持续进化,具身智能是通用模型能力延伸出来的方向,不需要单独打造机器人垂直模型作为核心底座。
问题 3:GPT-6.2 Astra 做机器人测试,有没有提前拿机器人数据专项训练?
回答 3:按照评测规则,GPT-6.2 Astra 本次是零样本测试,没有针对机器人任务做专项训练,依靠通用模型原生能力输出控制代码操控机械臂。
【参考资料】
[2026-11-19](OpenAI 印证了梁文锋的 “预言”)36 氪
[2026-11-19](GPT-6.2 Astra 登顶机器人榜单,通用大模型直驱机械臂)机器人大讲堂
[2026-10-13](GPT-6 让所有人重新算账,通用模型冲击具身智能路线)36 氪
[2026-08-21](梁文锋 AGI 路线解读:通用模型为主线,具身智能为延伸)36 氪
[2026-07-23](梁文锋闭门交流实录:AI 竞争主线、多模态与具身智能定位)每经网
【免责声明】
本文仅整理公开行业资讯,不构成技术选型、投资决策建议。GPT-6.2 Astra 机器人测试仅为基准评测结果,真实商业化机器人落地还存在稳定性、延迟、成本等诸多限制;梁文锋相关观点为公开交流内容,后续技术路线存在调整可能性,所有技术进展以企业官方发布为准。
本文来自作者[脉冲渡标人]投稿,不代表品途网立场,如若转载,请注明出处:https://m.pintu360.com/kjkx/202611/1487682.html
评论列表(4条)
我是品途网的签约作者“脉冲渡标人”!
希望本篇文章《OpenAI GPT-6.2 Astra 机器人测试出圈,印证梁文锋通用模型主导具身智能的判断》能对你有所帮助!
本站[品途网]内容主要涵盖:范文、经验、百科
本文概览:OpenAI 最新的 GPT-6.2 Astra 在真实机械臂零样本测试拿到亮眼成绩,在 AA-Robotics v0.1 榜单拿到 79 分,同系列 GPT-6.2 Sol 也拿到 78 分,不需要单独针对机器人任务做专项训练,直接靠通用大模型写代码控制 6 轴机械臂完成实物操作,这个结果刚好印证了 DeepSeek 梁文锋之前的核心观点:AGI 的主线是通用基础模型持续变强,具身智能只是通用模型能力延伸出来的分支,而不是需要单独从头搭建的垂直机器人模型。过去行业里很多机器人团队都觉得,专门为机器人训练的垂直模型在力控、机械适配上面更有优势,通用大模型做机器人只是辅助,现在 OpenAI 这次测试结果,直接改变了这个认知,证明通用模型能力迭代到一定水平之后,本身就可以直接驱动实体机器人,不需要专门定制机器人基座模型,也让整个行业重新思考具身智能的研发路线。