AA-Robotics：大模型操控机械臂，比人类慢百倍
AI 总结
Artificial Analysis 于 10 月 14 日发布 AA-Robotics v0.1 研究预览版基准，设置按按钮、倒水、写字、搭积木等 8 项桌面任务，让前沿大模型通过编码智能体编写代码，直接控制一台 Hiwonder NexArm 六轴机械臂，并借助桌面与腕部的 4 个摄像头观察场景，全部任务均为零样本尝试。首批成绩为：GPT-6 Astra 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 48.8 分，Claude Fable 5.1 46.3 分；由于部分完成可获过程分，分数并不等于成功率。速度与成本差距明显：模型平均每项任务约 30 分钟，Gemini 4 Argon 约 52 分钟，而人工基线约 20 秒；Astra 每项任务成本 16.36 美元，Sol 仅 1.93 美元，但两者分数只差 4.8 分。测试还暴露任务收尾判断问题：Sol 约 17 分钟已搭出合格积木塔，却继续调整导致最终失败。
深度见解
它首次用统一任务量化了通用大模型在物理世界的速度、成本与可靠性差距，为“专用机器人模型是否仍有价值”的争论提供了具体数据。