一句话看懂：Artificial Analysis 发布 AA-Robotics v0.1 研究预览，首次用 8 个桌面任务评测前沿语言模型直接控制 6 轴机械臂的能力。GPT-6 Astra 以 69.4 分居首，但平均每任务耗时 30 分钟、成本 16.36 美元，距生产可用仍有明显距离。
事件核心：发生了什么
2026 年 10 月 14 日，AI 评测机构 Artificial Analysis 上线 AA-Robotics v0.1，这是其具身 AI 方向的研究预览。评测方式很直接：让语言模型在编码智能体框架中控制一台 6 轴机械臂（5 个关节加一个夹爪），完成 8 个桌面任务，涵盖控制与灵巧度、空间推理和意外适应能力三类。
任务包括按红色按钮、把鳄鱼玩具放进矩形、倒饮料、整理积木、形状匹配、写 hello world、搭最高塔、测量盒子尺寸。每个任务 0 到 100 分，完成得满分，部分完成按进度给分。目前公布的五款模型成绩为：GPT-6 Astra 69.4 分、GPT-6.1 Sol 64.6 分、Gemini 4 Argon 55.3 分、Claude Opus 5.5 48.8 分、Claude Fable 5.1 46.3 分。GPT-6 Astra 全任务平均耗时 30 分钟、花费 16.36 美元。测试均在 Codex、Claude Code 和 Antigravity 的高强度设置下运行。
为什么重要
过去一年，前沿语言模型对机械臂的控制能力提升明显。Artificial Analysis 由此判断，机器人未来很可能走向强通用智能体路线，因此追踪语言模型在机器人任务上的进展变得必要，哪怕这些模型目前还完全不适合单独投入生产。
这个评测的价值在于把“语言模型能否操作物理世界”从演示视频变成可复现的分数。近两个数量级弱于人类基线，说明瓶颈不在单点能力，而在速度、成本和可靠性。对闭源大模型竞争来说，这意味着继文本、图像生成、代码之后，机器人操作可能成为下一块可比拼的评测维度。
对用户/开发者/创作者的影响
目前公开信息显示，这套评测是研究预览，不是可直接调用的产品 API。开发者短期内无法把它接入生产流程，但可以关注两个方向：一是编码智能体框架正在成为控制机器人的通用外壳，若你已在用 Codex 或 Claude Code，部分工具链经验可能迁移；二是多模态模型的空间推理与精细操作仍是短板，做机器人应用选型时不宜只看文本或图像 benchmark。
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。
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。
对企业采购而言，现有结果提示：语言模型直控机械臂每任务成本十几美元、耗时半小时，远高于人工，适合试点验证，不适合规模化替代。创作者可优先关注演示最稳的任务类型，如按钮操作和物体放置，暂不要对倒液体、测量等精细任务抱过高预期。
值得关注的后续
第一，AA-Robotics 是否扩展任务数量和机械臂型号，以及是否引入开源模型对比。第二，模型迭代能否在半年内把每任务成本和耗时压下一个数量级，这是从演示走向可用的关键门槛。第三，头部厂商是否跟进发布官方机器人操作评测，可能改变当前由第三方评测驱动的格局。
