GPT-6Astra在多个具身数据集上表现优异，彰显语言模型强泛化性

商汤联合大晓机器人、南洋理工大学等发布研究报告《HasGPT-6-AstraAchievedEmbodiedIntelligence？》对GPT-6Astra的具身能力进行测试，通过特定的条件（In-contextlearning+最高10倍步数预算）测试，发现在长程机器人操作基准LIBERO-Long++评测上成功率达100%（此前SOTA82%），操作鲁棒性和泛化能力的LIBERO-Pro上成功率99.3%（此前SOTA50%），人形机器人基准SIMPLE成功率达98.8%（此前SOTA92.5%），灵巧操作DexJoCo成功率87.3%（此前SOTA40.3%）。破壳机器人创始人许华哲表示，GPT-6Astra在机器人控制任务中成功率达95%，前代模型Fable5.1只有40%，在RoboLab语义理解任务中，Astra直接控制的零样本成功率为98%。GPT-6-Astra强大具身能力给物理AI领域增添新想象力。

机器人训练迭代加速，物理AI自进化可期

在《HasGPT-6-AstraAchievedEmbodiedIntelligence？》的研究中，研究者解除两项模型测评限制，其一为，允许模型访问训练集，GPT-6-Astra可以先学习再实践（ICL，incontextLearning），其二为解除步数限制，将可用步数最高提升至榜单官方设置的10倍，GPT-6Astra在各项测评中接近评测集能力的极限。在ICL中，GPT-6-Astra会研究训练示范中的图像、机器人状态和动作轨迹，并将有用信息整理，同时测试时会结合现场观察调用这些资料。我们看到GPT-6实际上具备了成为“具身研究员”的能力，通过自己构建环境来自动帮助具身模型实现相应功能，这表明，某个时间模型将具备自迭代能力，实现“物理RSI”（物理自进化）。

基础模型公司入局具身有望成为趋势，数据需求持续提升

2026年10月18日，OpenAI创始人宣布公司计划2027年展示首个人形机器人样机。在OpenAI之外，谷歌和Anthropic也在布局机器人，Anthropic在今年7月发布《Claude操作机器人》，展示了大模型生成末端执行器位置的能力，而据创业帮表示，国内智谱、月之暗面正在组建自己的机器人团队，Deepseek则公开表示物理AI是其追求AGI路上的里程碑，据彭博社消息，Deepseek已经同意牵头Winverse AI的种子轮投资。GPT-6-Astra的表现一方面坚定具身大脑进化的信心；另一方面也验证了具身领域规模法则的存在，同时也表明基础模型公司在构建具身大脑领域具有得天独厚优势。与大语言模型的语料不同，具身数据高度依赖数据采集，数据采集市场将迎来显著需求。