在 RoboDojo 上，Qwen3.8-Flash-Next 拿到 31.39 分，比 GPT-6 Astra 之前公开的 28.97 高；按文章的口径，… · @qingke_ai · TwKit

@qingke_ai

在 RoboDojo 上，Qwen3.8-Flash-Next 拿到 31.39 分，比 GPT-6 Astra 之前公开的 28.97 高；按文章的口径，成本大概是后者的 6.6%，单局一美元出头。 但更值得看的是 harness，不是分数。uni-robot-agent 做了四件事：感知、运动、技能、episode 控制这四类工具在仿真和真机里共用一套定义；整个框架模块化，运行时、上下文策略、感知后端、动作模型、环境适配器都能单独换；严格对齐真机信息，不给仿真里的深度、CAD 模型和隐藏标注，执行分数也不回传给模型；耗时的物理动作丢后台，工具先返回句柄。 它确实不是只对 Qwen 优化。同一套 harness 接 GPT-6 Astra，RoboDojo 拿到 51.90；接 DeepSeek-V4.1-Flash 是 27.11。真机上是 19 个任务的 RealEval，Qwen 在没见过真机数据的情况下 53.50，高于在该环境微调过的 π0.5 的 47.75，Astra 是 80.50。 边界也很清楚。拿掉相机内外参后，Qwen 直接从 31.39 掉到 9.13，Astra 还有 31.29；只去掉深度，Astra 从 55.83 到 55.04 几乎不动，Qwen 从 35.89 掉到 31.39。标定信息对开源模型仍然是必需的桥。 @zibuyu9 https://qingkeai.online/blog/uni-robot-agent

曝光 130 · 评论 0 · 点赞 0 · 书签 0