GPT-6 Astra 早期基准显示空间推理出现“阶跃变化”

2026-09-12

GPT-6 Astra 在空间推理方面似乎是一次巨大飞跃。

一个名为 StationeryBench 的新机器人基准让 OpenAI 的 GPT-6 Astra 与 Ai2 的 MolmoAct2 在五项桌面物体任务上展开较量，比如打开马克笔笔帽、倒出回形针，或在两个机械臂之间传递一把尺子。

两个模型在 200 次试验中控制相同的双臂 YAM 机器人。

Astra 在 100 项任务中完全完成了 7 项；MolmoAct2 完成了零项。

Astra 的中位进度分数达到 100 分中的 46 分，MolmoAct2 为 12 分。

所有结果、视频和代码都在 GitHub 上。

OpenAI 有打造自己消费级机器人的长期计划。

康奈尔大学和 Google DeepMind 的 AI 研究员 Yoav Artzi 称 Astra 是“空间推理的阶跃变化”。

在尚未发布的 REMAP 基准上，GPT-Astra 的准确率接近人类水平，不过 Artzi 指出，“即便是 ASTRA 在其他场景中也达不到人类的表现。”

他怀疑 OpenAI 用大量 3D 数据训练了该模型，比如 Blender 场景。

这与 Astra 在 3D 任务上的特殊提升相吻合。

订阅 THE DECODER 可享受无广告阅读、每周 AI 通讯、每年六次的独家“AI Radar”前沿报告、完整档案访问以及评论区访问权限。

一个名为 StationeryBench 的新机器人基准让 OpenAI 的 GPT-6 Astra 与 Ai2 的 MolmoAct2 在双臂机器人上执行五项桌面任务。Astra 完全完成 7/100 项任务，MolmoAct2 为零；Astra 中位进度 46/100，对手为 12/100。研究者 Yoav Artzi 称这是空间推理的“阶跃变化”，并透露在未公开的 REMAP 基准上 Astra 准确率接近人类水平。

这是什么信号：一个名为 StationeryBench 的新机器人基准，把 OpenAI 的 GPT-6 Astra 和 Ai2 的 MolmoAct2 放在同一套双臂 YAM 机器人上做 200 次试验，任务包括开笔帽、倒回形针、在两臂间递尺子等五项桌面操作。Astra 完全完成 7/100 项任务，MolmoAct2 为零；Astra 中位进度 46/100，对手为 12/100。更关键的是，康奈尔与 Google DeepMind 的研究者 Yoav Artzi 将其称为“空间推理的阶跃变化”，并透露在尚未公开的 REMAP 基准上，GPT-Astra 准确率接近人类水平。这不是一次普通跑分，而是大模型开始直接驱动机器人完成精细物理操作的可验证信号。

为什么重要：空间推理长期是语言模型与具身智能之间的断层。过去模型能描述“把尺子递过去”，但很难在真实双臂系统里规划抓取、传递和释放。Astra 的进展如果可复现，意味着通用模型可能绕过专用机器人策略，直接承担部分操作规划。OpenAI 又有自建消费级机器人的长期计划，模型能力与硬件野心正在合流。

对谁有价值：机器人公司、具身智能研究者、自动化集成商、AI 产品负责人和关注 OpenAI 硬件路线的投资人都应关注。尤其是正在评估“用大模型做机器人任务规划”的团队，这个基准提供了少见的同机器人、同任务、同试验次数的对比。

可以怎么行动：先去 GitHub 查看结果、视频和代码，确认任务设置与成功判定；在自己的桌面操作或仓储分拣场景里做小规模复现；关注 3D 数据训练路线，例如 Blender 场景等合成数据是否可迁移；把 REMAP 等未发布基准列入跟踪清单，等公开后再做二次判断。

风险与限制：Astra 完全完成率只有 7/100，说明离稳定可用仍有距离；REMAP 尚未发布，接近人类水平的说法无法独立验证；200 次试验和五项桌面任务样本有限，不能直接外推到通用空间智能；Artzi 也指出 ASTRA 在其他场景中仍达不到人类表现。把基准热度等同于机器人落地能力，是当前最大的误判风险。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《GPT-6 Astra 早期基准显示空间推理出现“阶跃变化”》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。