先了解这件事
2026年10月14日,Artificial Analysis 发布 AA-Robotics v0.1 研究预览,让语言模型在编码智能体框架中直接控制一台 6 轴机械臂(5 个关节加一个夹爪),完成 8 项桌面任务。据其公布结果,GPT-6 Astra 以 69 分居首,其后为 GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 和 Claude Fable 5.1。模型平均每项任务耗时约 30 分钟,比人类基线慢约 100 倍;GPT-6 Astra 平均每项任务耗时 30 分钟、花费 16.36 美元,GPT-6.1 Sol 最便宜为 1.93 美元。10月15日的后续报道同样称模型通过 HTTP API 控制机械臂,在四路摄像头画面下编写并运行代码完成任务,并给出 GPT-6 Astra 69 分、GPT-6.1 Sol 65 分、Gemini 4 Argon 55 分、Claude Opus 5.5 49 分、Claude Fable 5.1 46 分,单任务成本从 1.93 美元到 16.36 美元不等,相比人类基线约慢 100 倍、贵 10
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Artificial Analysis 完整文章
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月16日
36氪 · AI
Artificial Analysis 发布 AA-Robotics v0.1 机械臂操控评测
美国 AI 基准测试公司 Artificial Analysis 发布 AA-Robotics v0.1，用抓取、物体摆放、按按钮等 8 项桌面操作任务，评估前沿大语言模型通过写代码控制 6 轴机械臂的能力。GPT-6 Astra 以 69 分排名第一，其后依次为 GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 和 Claude Fable 5.1。GPT-6 Astra 平均每项任务耗时约 30 分钟、成本 16.36 美元，而人类平均只需 20 秒，速度差距接近两个数量级。
The Decoder
Google 发布 Gemini 4 Argon，瞄准机器人全流程单一模型
Google 发布 Gemini 4 Argon，定位为覆盖机器人控制、仿真构建与训练数据评估的通用模型，并称其迈向物理 AGI。演示中它从一张照片生成 77 项任务和 4500 多个训练回合，使真实机器人成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。在 Google 的 ERQA 基准上 Argon 得 87%，领先 Claude Opus 5.5 的 82.3%；但在 Artificial Analysis 的 AA-Robotics 基准上以 55 分位列第三，落后 GPT-6 Astra 的 69 分。原文指出其演示提示词包含大量人工约束，且未公布各演示的失败率。
10月15日
智东西
Artificial Analysis 发布 AA-Robotics v0.1 基准，评测大模型操控机械臂
美国 AI 基准测试公司 Artificial Analysis 发布 AA-Robotics v0.1，用于评估前沿大语言模型在物理世界中的理解、规划和执行能力。该基准设计了抓取、物体摆放、按按钮等 8 项桌面操作任务，让模型通过写代码直接控制一台 6 轴机械臂完成操作。结果显示 GPT-6 Astra 以 69 分排名第一，平均每项任务耗时约 30 分钟、成本 16.36 美元，而人类平均只需 20 秒，速度差距接近两个数量级。
Artificial Analysis 完整文章一手
NVIDIA 发布 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 74B-A9B
NVIDIA 发布 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt 74B-A9B 两款开源权重模型，前者在 Artificial Analysis 智能指数上得分 26，成为得分最高的美国开源权重模型，超过 Thinking Machines 的 Inkling Small（25.7）、NVIDIA Nemotron 3 Ultra（23）和 Meta Muse Glimmer（17）。Super VL 支持 1M token 上下文与视觉文本输入，参数量 120B/12B，每任务输出约 46k token，比前代 Nemotron 3 Super 少约 60%，在 NVFP4 权重下与 BF16 得分相差 0.1 分以内。Bolt 是新 Bolt 系列首款模型，74B/9B 参数、256k 上下文，智能指数 21.4，在 100B 以下模型中排第 4、美国同级别中排第 1。
Artificial Analysis
Artificial Analysis 发布 AA-Robotics v0.1，用机械臂任务评测前沿语言模型
Artificial Analysis 发布研究预览版 AA-Robotics v0.1，让前沿语言模型通过 HTTP API 控制一台 6 轴机械臂（5 个关节加一个夹爪），在四路摄像头画面下编写并运行代码完成任务，首批公布 8 个任务结果。GPT-6 Astra 以 69 分居首，GPT-6.1 Sol 65 分、Gemini 4 Argon 55 分、Claude Opus 5.5 49 分、Claude Fable 5.1 46 分。模型平均约需 30 分钟完成每个桌面任务，单任务成本从 GPT-6.1 Sol 的 1.93 美元到 GPT-6 Astra 的 16.36 美元不等，相比人类基线约慢 100 倍、贵 10 倍。
Artificial Analysis
Artificial Analysis 发布 AA-Robotics v0.1，评测前沿模型操控机械臂能力
Artificial Analysis 推出 AA-Robotics v0.1 研究预览，让前沿语言模型通过 HTTP API 控制一台 6 轴机械臂（5 个关节加一个夹爪），在首批 8 个桌面任务上完成抓取、空间推理与应变测试，全部为零样本尝试。GPT-6 Astra 以 69 分居首，GPT-6.1 Sol 65 分、Gemini 4 Argon 55 分，Claude Opus 5.5 为 49 分、Claude Fable 5.1 为 46 分。模型平均约需 30 分钟完成每个任务，单任务成本从 GPT-6.1 Sol 的 1.93 美元到 GPT-6 Astra 的 16.36 美元不等；相比人类基线，当前最强模型约慢 100 倍、贵 10 倍。
10月14日
Artificial Analysis 完整文章一手精选
Artificial Analysis 发布 AA-Robotics v0.1，用机械臂任务评测语言模型
Artificial Analysis 推出 AA-Robotics v0.1 研究预览，让语言模型在编码智能体框架中直接控制一台 6 轴机械臂（5 个关节加一个夹爪），完成 8 项桌面任务。GPT-6 Astra 以 69 分居首，其后是 GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5 和 Claude Fable 5.1。模型平均每项任务耗时约 30 分钟，比人类基线慢约 100 倍，GPT-6 Astra 平均每项任务耗时 30 分钟、花费 16.36 美元，GPT-6.1 Sol 最便宜为 1.93 美元。
本事件热度走势
- 当前
- 8
- 区间峰值
- 14 10月16日 22:00
- 近 24 小时变化
- —
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。