GPT-6 Astra 在機器人控制任務中達成了 95% 的成功率，不僅大幅超越 Fable 5.1 的 40%，還使用了少 6.2 倍的輸出 token，成本降低 2.3 倍。這項性能飛躍表明大型語言模型現在能以高效率即時控制機械臂。 這項結果突顯了通用大型語言模型與專用機器人技術的快速融合，可能在兩年內讓專門的機器人模型過時。這標誌著一個轉變，即單一多功能 AI 模型即可處理多樣化的物理任務，進而影響依賴自動化的各個產業。 在較困難的精準度任務中，Astra 的表現與 Fable 5.1 持平，但使用的 token 數少了 3.9 倍，且成本便宜 1.6 倍。此次基準測試由 RobotCurve 進行，該機構提供 AI 與機器人的真實世界評估。
事件背景
GPT-6 Astra 是 OpenAI 最新推出的模型，專為複雜推理和端到端工作設計；Fable 5.1 則是 Anthropic 針對長程代理任務優化的模型。RobotCurve 是新推出的服務，提供獨立的真實世界基準測試，以檢驗 AI 在模擬之外的實際能力。
社群觀察
社群成員對「苦差事教訓」感到興奮，認為通用模型將超越專用模型，並預測專門的機器人公司可能會失去競爭護城河。許多人將 Astra 視為邁向真正人工通用智能（AGI）的早期一步，並指出其具備類似人類的適應性和直覺。
