知识卡片：具身智能时代与 AA-Robotics v0.1 评测

一句话结论

Artificial Analysis 发布 AA-Robotics v0.1 研究预览，首次系统性地评测前沿语言模型在真实物理世界中理解、规划与操作机械臂的能力，结果显示前沿模型已能完成简单桌面任务，但速度比人类慢约 100 倍、成本约为人类时薪的 10 倍。

事件概述或研究问题

• 发布时间：2026 年 10 月 14 日（来源页面标注）。
• 发布方：Artificial Analysis。
• 核心问题：前沿语言模型在"具身智能"（embodied AI）——即在物理世界中理解、规划、行动——方面的能力如何？
• 研究动机：自 2026 年初以来，前沿语言模型在控制机械臂方面取得巨大进步；发布方认为未来机器人技术很可能依赖强通用智能体，因此追踪语言模型在机器人任务上的进展很重要，即使前沿语言模型本身尚不适合单独用于生产级机器人。

方法/产品要点

• 每个模型被赋予一个 6 轴机械臂（5 个关节 + 1 个夹爪）的控制权，并接收一个简单目标。
• 机械臂型号：Hiwonder NexArm（未提供更多规格）。
• 模型运行在隔离容器中，通过简单 HTTP API 接入机械臂，可编写并运行代码来规划与发送动作。
• 视觉输入：四个摄像头（三个围绕桌面，一个在腕部）。
• 任务为"零样本"（zero-shot），初始包含 8 个桌面任务，模仿日常活动，覆盖控制与灵巧性、空间推理、适应性：
  1. 按下红色按钮
  2. 把鳄鱼玩具放进矩形内
  3. 把饮料倒进杯子
  4. 把积木收进盒子并盖上盖子
  5. 完成形状匹配挑战
  6. 用马克笔在纸上黑框内写 "hello world"
  7. 用泡沫积木搭最高塔
  8. 测量盒子的长、宽、高
• 评分：完成任务得 100 分，部分完成按进展得分，全部任务尝试均为零样本。
• 运行环境：GPT 系列跑在 Codex，Claude 系列跑在 Claude Code，Gemini 4 Argon 跑在 Antigravity，均为 high effort 设置。

主要结果或产业意义

• 排名与总分（AA-Robotics Score，0–100）：
  • GPT-6 Astra：69.4（第一）
  • GPT-6.1 Sol：64.6
  • Gemini 4 Argon：55.3
  • Claude Opus 5.5：48.8
  • Claude Fable 5.1：46.3
• 时间：模型平均约 30 分钟/任务，人类平均约 20 秒，模型比人类慢约 100 倍。Gemini 4 Argon 最慢（52 分钟/任务）；GPT-6 Astra 最快按下按钮（2.2 分钟）。
• 成本：GPT-6.1 Sol 最便宜（平均 $1.93/任务），GPT-6 Astra 最贵（$16.36/任务）。约 70% 的花费在输入（上下文）上。人类成本按 $37.81/小时计算。
• 抓取成功率（6 个涉及抓取的任务）：GPT-6 Astra 约 45%，Claude Fable 5.1 约 44%，Claude Opus 5.5 约 40%，Gemini 4 Argon 约 36%，GPT-6.1 Sol 约 28%。
• 模型大部分时间用于"理解场景/机械臂/移动"和"规划移动"，而摄像头查看与写笔记占比较小。

为什么重要

• 若未来机器人依赖通用智能体，则追踪语言模型在机器人任务上的进展将成为关键指标——AA-Robotics v0.1 提供了这样一个可量化的评测范式。
• 当前结果说明前沿语言模型已具备直接操作机械臂完成简单任务的能力，但速度与成本距离生产可用还有很大差距（慢约 100 倍、贵约 10 倍），这为产业界判断"具身智能何时可用"提供了基准。
• 与既有卡片脉络的关系：本卡片延续了"AI 从实验走向可衡量能力评估"的脉络（如 CFO 与 AI 新经济学卡片强调 ROI 衡量框架），但增量在于将评测对象从企业软件/高校平台扩展到物理世界的机器操作；同时与 Agility Robotics 开设弗里蒙特设施加速物理 AI 开发卡片相呼应，均指向具身智能/物理 AI 的加速。

局限与不确定性

• 本卡片基于 Artificial Analysis 的预览版（v0.1），仅包含 8 个桌面任务，样本有限。
• 模型与产品名称（GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon、Claude Opus 5.5、Claude Fable 5.1）为来源材料所述，其真实发布时间、参数与厂商信息待核实。
• Gemini 4 Argon 的活动时间在来源中为"估算值"（Antigravity 不标注每步时间戳）。
• 人类基准为估算：任务时间按 $37.81/小时（美国私营非农全体雇员平均时薪）折算，来源标注为 2026 年 9 月初步数据。
• 来源未提供模型的失败率分布、具体硬件配置细节，以及 AA-Robotics 后续版本的发布时间表，待核实。

可用于图书/PPT/简报的角度

• "从语言模型到机械臂：具身智能的第一次量化评测"——用 AA-Robotics v0.1 作为案例说明 LLM 直接控制物理设备的可行性。
• "速度与成本的双重门槛"——对比人类 20 秒/$1 级别与模型 30 分钟/$1.93–$16.36 的差距，说明具身智能商业化仍需跨越的鸿沟。
• "模型的时间都花在哪"——用活动时间分解（理解场景、规划移动、查看摄像头、机械臂移动）说明当前瓶颈在"理解与规划"而非"执行"。
• "错误墙"——用抓取失败、误判任务完成等案例说明零样本物理操作的典型失败模式。
• "谁在领跑具身智能"——GPT-6 Astra 与 GPT-6.1 Sol 的对比（分数高 4 分但成本高 8 倍）可用于讨论性能—成本帕累托前沿。

原始材料

• 标题：Welcome to the era of embodied AI: Introducing AA-Robotics v0.1
• 来源：Artificial Analysis
• URL：https://artificialanalysis.ai/articles/aa-robotics
• 发布页面标注日期：October 14, 2026