GPT-6 Astra发布仅两月,GPT-6.2 Astra亦蓄势待发。具身智能行业尚未从上一轮技术冲击中恢复,便再遇新变局。
此前,GPT-6 Astra的问世令众多具身从业者,尤其是一线预训练工程师感到焦虑。近期业内传出消息,部分具身智能公司开始裁撤算法岗位。过去需耗费大量数据、算力及人力攻坚的能力,Astra在部分测试中无需针对具体任务进行额外后训练即可展现。
一位机器人模型开发工程师指出,相较于具身智能领域缺乏范式级突破,以Astra为代表的通用大模型正以“降维打击”的方式进入该行业,构成实质性冲击。
这种压力不仅来自OpenAI等海外巨头,国内大模型厂商如Kimi、DeepSeek、智谱等的进展同样令本土具身公司高度敏感。在RoboDojo评测中,越来越多团队尝试将通用大模型引入机器人系统,展现出强大的泛化能力。
RoboTwin/RoboDojo评测基准第一作者陈天行透露,部分原坚持训练原生具身基础模型的团队,已开始提交结合Robot-Use-Agent(RUA)等技术、借助通用大模型完成任务的方案。评测显示,原本得分仅20至30分的模型,结合Astra相关方案后成绩可提升至50至60分。
榜单分数的提升引发了行业对自研模型必要性的深刻反思。
△ RoboDojo团队对GPT-6 Astra的早期评估报告
香港大学MMLab具身智能方向博士生陈天行参与撰写了RoboDojo针对GPT-6 Astra的评估报告。他表示,测试结果在3D重建、数学等领域带来的冲击空前。
通用大模型的垂直打击
陈天行比喻称:“具身自研模型还在80分基础上微调0.1、0.2,而GPT-6 Astra已直接从80分跃升至90分。”在部分测试中,Astra无需额外后训练或任务示范,仅凭语言指令即可完成多种机器人操作。
Astra主要展现了三项以往具身模型需重点攻克的能力:
上下文学习(ICL)
通过少量上下文信息快速习得新任务。例如,机器人可通过观看人类操作视频并配合文字说明,理解并复现动作。研究显示,为Astra提供图像或文字示范可显著提高成功率。此外,其具备在线适应能力,能根据摄像头画面和坐标系的变化,在几轮尝试后调整策略完成任务。
分布外泛化(OOD)与纠错能力
面对真实环境中训练数据未覆盖的情况(如物体位置突然改变),过度依赖训练数据的模型易执行错误轨迹。Astra则能根据变化后的视觉信息重新调整动作,适应真实世界的动态变化。
开放词汇操作(Open-Vocabulary Manipulation)
涉及语言与动作的对齐。即使用户使用不同表述提出需求,机器人仍能理解并执行。Astra在此方面表现突出,无需针对具体任务进行后训练即可通过语言指令完成操作。
△ 在RoboDojo-Sim基准测试中的零样本测试结果,不代表Astra已经能够在真实机器人上稳定完成这些任务。
报告提示,Astra的真机测试曾因安全问题中止,仿真高分不等同于真实生产力。但其表现足以促使行业重新审视研发投入。
通用大模型凭借预训练中积累的语言、视觉、推理及Coding能力进入机器人领域,相比从零开始、数据有限的具身专用模型,具备显著的起跑线优势。
自研模型的生存空间与经济账
尽管GPT-6 Astra表现强劲,但具身公司并非毫无机会。破壳机器人创始人许华哲指出,Astra在语义和空间理解上表现突出,但在复杂物理接触、受力变化、物体形变及高精度操作等物理泛化层面仍面临挑战。
RoboDojo团队发现,Astra在几何对齐和语言理解上是强项,但在连续接触和多步骤物理操作上,现有VLA模型仍有优势。自变量创始人王潜认为,数据、现实世界评测、硬件、仿真和部署等基础设施问题不会因语言模型增强而自动消失。
△ 报告截图
目前业界对Astra的主要吐槽集中在推理速度。陈天行指出,云端API的高延迟是实时闭环控制的阻碍,但通过模型量化、蒸馏及端侧推理引擎等技术可优化延迟。且“模型推理频率”不同于“机器人控制频率”,高层规划可由大模型负责,底层控制由高频系统执行,这在快递分拣等标准化场景中尤为适用。
通用大模型的短板并非具身公司永恒的护城河。随着OpenAI等公司加大机器人领域投入,专用模型的能力边界可能被进一步压缩。
陈天行认为,具身公司的核心竞争力在于创造更好的“经济效益”。在标准化工业流水线中,客户关注成功率、节拍、稳定性和成本。若低成本小模型或规则策略能稳定完成任务,无需调用高昂的通用大模型。而在家庭服务等开放环境中,任务多变,通用模型的泛化优势更为明显。
决策应基于完整的经济账:任务成功率、耗时、人工介入成本、数据采集及长期部署费用等。具身公司的自研方向需重新排序:直接利用通用模型擅长的语言理解和任务规划能力,专注于物理交互、特定本体控制、真实场景适配及部署效率的研发。
△ 陈天行博客
若企业研究方向与产业脱节,即便模型性能优异,也难以形成商业闭环。随着GPT-6.2 Astra的临近,行业情绪趋于谨慎,投资人态度转变,具身智能创业正告别单纯依靠Demo融资的阶段,进入百机大战的淘汰赛。

