OpenAI撤销独立机器人班组，通用模型“打穿”具身智能？

通用大模型在机器人上的能力进展，正促使具身智能方向重新思考机器人“大脑”的研发路径。

近日，澎湃新闻记者在与多位具身智能从业者交流中发现，GPT-6 Astra的发布成为一个关键节点，其展现出的能力让方向开始更加关注：哪些机器人任务可以直接交给通用模型，哪些仍需要专门训练？

当地时间11月13日，据外媒消息，OpenAI确认已撤销独立机器人班组，其中机器人调研人员并入关键调研班组，应用机器人及硬件班组转入应用部门。机构表示，机器人仍是其长期愿景的关键组成部分，此次调整旨在加快相关研发。

从仿真测试到真机实践，通用模型正在承担更多机器人任务，但精细控制、响应速度和运行成本，仍是其走向实际应用需要解决的问题。

从仿真到真机，通用模型开始接手机器人任务

英伟达近期公布的Astranomy调研显示，在RoboLab-120仿真操作基准中，基于GPT-6 Astra的智能体对策取得74.8%的成功率，高于调研列出的专用模型Lakeside的51.0%。

其中，74.8%对应的是带有持续交互上下文的智能体对策；直接生成动作的对策，成功率为66.3%。测试主要覆盖抓取、放置等操作，模型推理时仿真环境暂停，尚未检验其在持续变化的环境中实时应对的能力，也未覆盖插接、装配等复杂接触任务。

类似进展也出现在Anthropic的新模型上。

Anthropic发布的Claude Fable 5.2与Mythos 5.2，在由机构内部运行的RoboDojo Sim双臂机器人仿真测试中，Fable 5.2得分为64.9%，同一测试框架下GPT-6 Astra为29.8%。机构还展示了Fable 5.2控制机器人拧开瓶盖、绘画等任务。该测试与英伟达调研所用基准不同，成绩不能直接横向比较。

国内机器人商家也已将GPT-6 Astra用于实际测试。

10月22日，在2026世界物理AI大会暨宇树协作伙伴生态大会上，宇树科技创始人王兴兴表示，物理AI已经看到被击穿的苗头，突破可能在最近一至三年出现。他在现场展示了宇树使用GPT-6开展的机器人测试，涉及绘画、规划导航等任务。

优必选则同时测试了通用模型直接控制和与具身模型协同的路径。

此前，澎湃新闻记者获悉，优必选围绕GPT-6 Astra开展了六组真机与仿真测试，涵盖真机抓取魔方、抓取福袋、自主绕障，以及仿真环境中的篮子搬运、直接控制叠碗和结合世界模型叠碗。

按机构披露的结果，Astra直接抓取魔方、仿真搬运篮子及直接叠碗均未完成；与专用具身模型协同后，机器人完成了福袋抓取、绕障移动及叠碗。

协同对策涉及调用优必选自研Thinker-VLA执行操作，以及结合Thinker-WM预测动作结果、辅助决策。在叠碗测试中，相较直接控制对策，协同对策的Astra Token消耗和API估算费用分别减少83.6%、74.2%。

这些实践呈现出通用模型进入机器人的不同形式：既可以直接生成动作，也可以负责理解任务、制定规划，再调用专用模型执行。模型之间如何分工，已经开始影响任务完成情况和运行开销。

通用模型参与决策与研发，专用模型继续补足执行能力

通用模型能够承担更多任务，并不意味着面向机器人的专门训练已经失去作用。谷歌近期更新的机器人体系，仍在通过具身推理和动作模型的配合，增强实际操作能力。

11月10日，谷歌DeepMind发布Gemini Robotics 2.5。这是一款视觉-语言-动作（VLA）模型，能够将视觉观察和语言指令转化为机器人动作。据机构介绍，该模型在200余项任务中接受评估，覆盖工具使用、柔性物体操作等能力，包括用夹子取放食物、为礼盒系蝴蝶结和移取液体。

谷歌同时披露，在与Apptronik、奔驰开展的汽车产线概念验证中，Apollo 2人形机器人进行零部件拣选、配套作业，成功率达到96%。其中，具身推理模型负责跟踪工作流程，Gemini Robotics 2.5动作模型控制手臂和双手，将零件从料箱中取出，放入配套容器。