GPT-6-Astra 机器人智能体评测：混合调度成功率 56%，仍存执行短板

事件核心：发生了什么

该报告把 GPT-6-Astra 作为机器人智能体，在包含 26 个任务、510 个测试回合的 EBench 仿真基准上测试两种模式：一是“直接控制”，由模型直接生成路径点命令；二是“harness with policy”，模型还可以调用后训练的 VLA（视觉-语言-动作）或 WAM（世界动作模型）策略执行一段动作。

在直接控制下，GPT-6-Astra 任务平均成功率 46.7%，阶段完成分 0.654，在八个对比对象中排第三。它在 11 个短程任务上成功率达 73.2%，高于 OpenWAM-α 的 65.9%；但在高精度任务上仅 11.3%，明显低于 OpenWAM-α 的 32.5%。当 harness 调用 InternW0-Δ 策略时，整体成功率达到 56.0%、阶段分 0.744，超过对比中最强的单独策略 OpenWAM-α（55.3%、0.701）。

为什么重要

这组结果给出一个较具体的判断：前沿多模态大模型的强项在任务级推理和短程规划，物理执行尤其是长程、桌面操作和高精度接触任务仍是短板。让大模型与专门训练的 VLA/WAM 分工，比单纯让大模型直接控制更有效，也能显著降低 token 消耗。这说明未来机器人智能体的竞争力可能取决于“调度层”设计，而不仅是模型本身的推理能力。

对用户/开发者/创作者的影响

对做机器人应用的开发者，报告提示不应把大模型当作端到端控制器来用，更现实的路线是把它放在上层负责任务分解和策略选择，把底层执行交给经过后训练的动作模型。对关注具身智能的团队，评测中的问题也很有参考价值：策略调用时机不优、固定指令执行缺少子目标、智能体重新接管时抓取被打断。这些是 harness 工程要解决的具体问题。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是“策略调用”是否会从固定规则走向学习式调度，以缩小与各组件单独运行上限的差距；二是报告指出的抓取中断问题能否通过交接协议和状态同步解决；三是 EBench 这类仿真基准的结果能否在真实机器人上复现。目前公开信息仅为技术报告摘要及项目页，尚不能视为已上线产品或经过同行评审的定论。

来源：alphaXiv