现在大模型的更新变得越来越魔幻。上一次 Opus 5.5 发布，最出圈的不是编程能力，而是「做视频」。
而这一次 Fable 5.2，大家又以为会是视频或者编程啥的。结果最出圈的真让人意想不到，居然是：机器人操作。
Claude 这次新版本的发布页上有一段视频：机械臂转魔方、拧瓶盖，还拿起笔画了一个机器人。
▲ 视频：魔方、瓶盖与绘画演示
视频放出来后，很多网友觉得：做具身模型的公司都要废了。
甚至有人更具体点说，所有中国的老一代（2020 年以后）RL、VLA 等等这一批具身智能、灵巧手、机器人公司，估值和市值可以集体清零了。
可今天 A 股偏偏反着来：物理 AI 指数大涨 5.02%，人形机器人和具身智能指数涨超 3%，宇树科技盘中一度大涨超 12%，近 40 只机器人概念股涨停或涨超 10%。
一边喊清零，一边抢筹码，这到底咋回事？一个语言模型怎么突然要把具身智能行业给洗牌了？
先搞懂在争什么
Anthropic 这个平时写代码、改文档的通用模型，没专门练过机器人，却在机器人测试里赢了一大批专门做机器人的系统。那些公司花大钱训练的“机器人大脑”，一夜之间被一次模型更新就追上了。
这事跟国内关系不小。被拿来对比的那张榜单上，排在前面的专用模型，不少来自国内公司。
机器人的“大脑”，就是看到画面以后，决定手往哪伸、抓多紧的那部分软件。
做这个大脑，大致有两条路。
一条像带学徒。让机器人在厨房、工厂里一遍遍练，攒下大量动作数据，训练一个专管动作的模型。行业里常叫它 VLA：看画面、听指令，直接输出动作。
另一条像请学霸。先有一个读过万卷书的大模型，比如 Claude、GPT，它懂物体、懂空间、会写代码，再让它去指挥机械臂。
▲ 图：训练机器人“大脑”的两条技术路线
这次的看点就在这里：学霸几乎没进过厨房，一上手，成绩就超过了大部分学徒。
为什么让人意外？机器人圈有个老说法，叫莫拉维克悖论：人觉得难的事，比如下棋、做数学，机器反而容易；人觉得简单的事，比如叠碗、拧瓶盖，机器却特别难。
AI 早就会写代码、解数学题了，可让它稳稳拿起一只碗，一直是另一回事。
64.9%，放进榜单是什么水平
Anthropic 用的是 RoboDojo 测试：在模拟环境里，让 AI 只看摄像头画面，控制一台双臂机器人干活，看能做成几成。
在 Anthropic 自己跑的测试里，Fable 5.2 平均成功率 64.9%。Opus 5.5 是 39.4%，Gemini 4 Argon 是 34.2%，GPT-6 Astra 是 29.8%，上一代 Fable 5.1 是 27.6%。
▲ 图：同一框架下的机器人仿真成绩
光跟自家上一代比，看不出专用模型有没有压力。翻开 RoboDojo 的公开榜单，对照就清楚多了。
▲ 图：RoboDojo公开榜单与官方内测对照
榜单 11 月初的数据里，专用模型第一名是国内自变量机器人的 WALL-OSS，成功率约 35%。
星动纪元、地平线的模型跟在后面，在 27% 到 32% 之间。理想、星海图、小米的模型在 14% 到 16% 之间，美团、腾讯不到 10%。
64.9% 放进去，差不多是专用模型第一名的两倍，遥遥领先。
官方说它超过了“大多数专门为控制机器人打造的系统”，这句话完全没毛病。
不过，这个对照只能算粗看。Fable 的成绩是 Anthropic 内部跑的，没上公开榜单。同样是 GPT-6 Astra，Anthropic 测出来 29.8%，榜单上只有 22.5%，换个人跑，分数就会差一截。
榜单上也有比 Fable 高的。
专用模型第一名的上面，还有六个智能体系统，都是把大模型和各种工程手段组装在一起。最高的 Qoo Tech Q0-Preview 约 69%，智元的 GO-3 Nano Preview 约 56%。
榜单把这类系统单独标出，不参与排名。
榜单顶端，已经被“大模型加工程”的组合占住了。
真机方面，除了开头那段转魔方、拧瓶盖和画画的官方演示，官网称部分任务没有专门训练过。这不等于完全没见过机器人数据，真机的完整成功率、延迟和成本，官方也没公布。
Claude 到底怎么动手
很多人以为，Claude 只是在旁边发号施令，说一句“把碗叠起来”，真正动手的是别的系统。
一项真机研究说明，它已经管得更细了。
Robocurve 等团队上个月修订了一篇论文，把 9 款大模型放到同一台真实双臂机器人上，做叠碗、盖笔帽、把东西收进保险箱等 6 项任务。
模型先看三路摄像头画面和机械臂当前的状态，然后决定手移到哪、朝哪个方向、夹爪张多大。
底层程序把这个决定换算成每个关节怎么转，并拦下危险动作。动完以后，模型再看新画面，决定下一步。
▲ 图：大模型直接控制真实机械臂的循环流程
打个比方，模型负责说“手伸到碗沿左边，夹爪张开一半”，底层程序负责让胳膊照做。
▲ 图：真实双臂机器人的叠碗场景
难处藏在细节里。
薄碗夹住以后，夹爪的读数跟什么都没夹住差不多。较强的模型会先抬一下，看碗有没有跟着起来；较弱的模型以为没夹到，松开重来，白忙一场。
还有更直观的翻车。Opus 5.5 去捏一个曲面的笔帽，一挤，笔帽直接飞出了机械臂够得着的范围，这项任务当场没法继续。
知道要盖笔帽，和这一下夹得对不对，是两回事。
这项研究里最好的成绩约 48%，算的是任务进度，做完一部分也给分，不是整项成功率。它没测 Fable 5.2，也没放专用模型对照。
它能说明大模型确实在动手，说明不了谁赢了谁。
太慢、太贵
有网友说，机器人公司的护城河在效率。放到真机上看，这话确实没毛病。
同一项研究还算了时间和钱。得分最高、跑得最快、花钱最少的，各是不同的配置。
▲ 图：得分、速度与费用的不同取舍
跑得最快的配置，完成一个子任务约 1.1 分钟，光调用模型就要 4.51 美元，三十多块人民币。最便宜的配置不到 3 块钱，可一个子任务要等 4 分多钟。
这里的子任务，可能只是把一件东西放进保险箱，别的东西还没放，盖子还没关。机器、场地和人工复位的钱也没算进去。
慢还会变成硬件问题。
论文记录，得分最高的 Gemini 4 Argon 配置想得慢，偶尔会让机械臂过热。研究者推测，模型思考的时候，机械臂得一直举着，对抗重力。
模型还在想，胳膊已经在发烫。
北大 DAGroup 试过另一种办法：别让大模型现场一步步想，先让它把控制程序写好。
他们在 RoboDojo 仿真里，让 Astra 和 Fable 5.1 在开发阶段根据测试反馈反复改代码，改好就冻结，再拿到新场景里直接跑。
▲ 图：仿真研究中先冻结代码，再执行
以 Astra 为例，边看边想的在线模式平均要调用 46.8 次模型，光等接口返回就超过 8 分钟。冻结好的程序跑一次平均约 60 秒，执行时不再调用大模型。
两个时间的算法不同，不能直接说快了几倍。写程序本身也花了算力，冻结的程序遇到随机摆放、精细操作，照样会失败。
但这个思路有点意思：把贵的思考挪到开发阶段，一次写好，反复使用。大模型不必永远只站在机器人外面指挥。
机器人公司没坐着等
网友搬出来的“苦涩的教训”，出自 AI 先驱、强化学习之父 Richard Sutton 2019 年的一篇短文。
▲ 图：AI先驱、强化学习之父 Richard Sutton
大意是，研究者总想把人的经验写进 AI，比如下围棋的棋理，可从长远看，赢的往往是能吃下更多算力、更多数据的通用方法。
放到机器人上，意思就是：专门设计的那套东西，迟早被更大的通用模型碾过去。
也有投资人唱反调：有些所谓“苦涩的教训”，只是因为大实验室在那个方向砸了钱。
而且，机器人公司自己也在押规模。
Figure 在 8 月介绍过一个叫 Index 的项目，花钱请人拍自己在家里、在单位干活的视频。
累计上传超过 1600 万段，付给拍摄者 1500 万美元。这些视频还要过滤、去重、标注，真正能用的没那么多。（国内不少公司也在干这个）
▲ 图：Index的任务采集应用
9 月，Figure 把用这些视频训练出来的 Helix 2.5 送进湾区 30 个从没去过的家庭。
要求不低：客厅要收完散落的十几个玩具，毛巾要折好放进篮子，床要把枕头和被角拉平；超时或需要人上手救场都算失败。
▲ 图：收玩具、折毛巾与整理床铺
先用 Index 预训练的版本，完整做完任务的比例是 56%；不预训练、直接学任务的版本只有 9%。
这是 Figure 自己的测试，三种家务也各自用别处采集的数据做过适配。
更值得注意的是 Figure 换了路线。上一代 Helix 02 是在现成的通用视觉语言模型上起步的；到了 Helix 2.5，它干脆不用了，从零开始，全靠自己的 Index 数据训练。
一家头部机器人公司，主动拿掉了通用模型的底座。
另一家明星公司 Physical Intelligence 走的是相反的路。它在 4 月发布的通用机器人模型 π0.7（约 50 亿参数），直接拿 Google 的开源多模态模型 Gemma 3（40 亿参数）做底座，借用它现成的看图和理解常识能力，再在上面接一个约 8.6 亿参数的“动作专家”专门学怎么动手，并把人类视频、机器人实操甚至失败和人工纠正的数据混在一起训练。
Physical Intelligence 还举过一个例子，说明最后那一点精度有多难。
机器人能拿起电动螺丝刀，却常常对不准 M3 小螺丝。刀尖离手大约 10 厘米，手腕偏一点点，刀尖就偏一大截，而对准需要不到一毫米的精度。
▲ 图：螺丝操作对照（原片4倍速）
它的办法是保留原来的模型，再训练一个小模型专门修正动作，人也能在旁边纠正。插网线那个例子，机器人数据只收了 15 分钟，整个训练流程却用了 2 小时，多出来的时间花在复位这些杂事上。
国内公司也在回应这件事。
巧的是 Fable 5.2 与国内蚂蚁灵波的 LingBot-Touch 同日亮相，蚂蚁灵波 CEO 朱兴表示：GPT-6 Astra 和 Fable 5.2 确实让机器人的推理和操作更强，他们也在吸收；但真正跑通操作闭环，还得靠具身基础模型自己的突破。
他们今天刚开源的 LingBot-Touch 触觉模型，用了近 5000 小时真实触觉数据预训练。
道理也不难懂：光看摄像头画面，“瓶盖快拧松了”和“手指在打滑”长得很像，手指上有没有感觉，决定了下一步该怎么使劲。
两边其实都在赌规模。
分歧在于，从文字、图片和代码里学来的常识，能把机器人带多远；哪些本事，非得靠真实世界里的动作和触觉练出来。
我的判断
这几年大模型的发展，真是日新月异、突飞猛进。另一边的具身智能虽然每次亮相都吸引不少目光，可几年下来，除了跳跳舞、打打拳，我们似乎看不到太多实际用处。
网友甚至开玩笑说，本来指望机器人干活，我们跳舞娱乐，现在怎么反过来了？
这确实是具身智能眼下最大的困境。不少业内人士也坦承，机器人真正进家庭干活，可能还要 5 到 10 年。
到底卡在哪？核心问题可能就在这个“具身大脑”上。国内已经有很多公司专门做具身智能的数据采集，走的就是 VLA 这条路，但据说也已经死了一批。
我恰恰认为，Claude 让这个行业看到了新的希望，困扰他们的问题可能很快会有转机。
今天 A 股的反应也很诚实。就在网友高喊“估值清零”的时候，人形机器人龙头宇树科技（688836.SH）盘中一度涨超 12%，收盘涨 6.29% 报 761.01 元，总市值达 3078 亿元，近五个交易日连续拉升。
▲ 图：宇树科技11月10日收盘行情与五日走势
资金赌的其实也是这个逻辑：A 股这批公司大多是造身体、做减速器和传感器的，以前空有硬件，卡在“大脑太笨”卖不出量。现在通用大模型要是能把“看懂环境、拆解任务、甚至写控制代码”这大半截活儿先干好，机器人公司就不必从零去憋一个全能大脑了。
把省下来的钱和精力，花在最后那一下对准、触觉反馈，还有怎么让机械臂动得更快更便宜上，机器人真正能进厂进家干活的那天，说不定反而会来得更早。
这篇就聊到这儿。要是对你有用，点个赞，也分享给需要的朋友。
参考资料
01｜Anthropic：Claude Fable 5.2 and Mythos 5.2
https://www.anthropic.com/claude-fable-and-mythos-5-2
02｜RoboDojo Sim 公开榜单（2026.11.03 更新）
https://robodojo-benchmark.com/
03｜Robocurve等：The Bitter Lesson Comes to Robotics（v2）
https://arxiv.org/html/2610.25287v2
04｜北大DAGroup：Code-as-Policies with Astra/Fable in RoboDojo
https://dagroup-pku.github.io/Agentic-Robot/posts/robodojo-offline-policy-zero-shot/
05｜Figure：Helix 2.5的30家庭泛化测试
https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization