推文

@prolibertine · 2026-10-15 15:56

人做这些桌面小活平均二十秒，最强的大模型要半小时。 Artificial Analysis 北京今早发了 AA-Robotics v0.1。六轴机械臂、四个摄像头，前沿模型塞进编程 agent harness 里零样本直接控臂，八件桌面活：按红按钮、倒饮料、积木收进盒、马克笔写 hello world、搭最高的塔、量盒子尺寸。官号那条约两万曝光、近三百赞，下午中文圈开始转了。 分数：GPT-6 Astra 69.4、GPT-6.1 Sol 64.6、Gemini 4 Argon 55.3、Claude Opus 5.5 48.8、Fable 5.1 46.3。跑法也对上自家 harness——GPT 走 Codex，Claude 走 Claude Code，Argon 走 Antigravity，都开 high。按按钮、放鳄鱼玩具全员满分；量盒子全员接近零；倒饮料 Astra 和 Argon 满分，Sol 零分。Astra 均摊一题约三十分钟、十六刀多；Sol 只要一点九三刀，分只少四点。人按美国时薪折算贵大约十倍，时间却差将近一百倍。 我觉得更刺的是「过了还不停」。Sol 搭塔大约十七分钟已经过关，后面又弄塌了；鳄鱼明明进了矩形，还要再挪二十来分钟，把玩具又推出边。这跟写码 agent 差不多——完成判据写不清楚，模型就会在物理空间里继续拧。抓取成功率最高也就四成多，Frontier 语言模型已经能摸桌面，但离量产还差两个数量级的时间和账单。 编码 agent 的 harness 已经能把机械臂当工具调了，专门的机器人栈一时半会儿未必跟得上。往后比的大概不是谁臂控更会写，而是谁先把「什么时候算干完」写死，别让 agent 过线之后还在烧 token。

曝光 4 · 评论 0 · 点赞 0 · 书签 0 · 曝光/时 1.9958841824434639