GPT-6 Astra在早期机器人基准测试中展现空间推理「阶跃式」提升
在StationeryBench机器人基准测试中，GPT-6 Astra控制双臂YAM机器人完成 7/100 项桌面任务，Ai2的MolmoAct2完成 0 项；Astra进度中位分 46 对 12。康奈尔大学研究员Yoav Artzi称其为空间推理的「阶跃式变化」。
AI解读：这项新闻的核心不是「GPT-6会控制机器人了」，而是它在空间推理上可能出现了真正的断层式进步。在StationeryBench这个专门测试桌面物体操作的机器人基准里，GPT-6 Astra控制同一套双臂YAM机器人完成了 200 次试验，最终完整完成 7% 的任务；对比之下，Ai2的MolmoAct2一项都没完成，中位进度分只有 12，而Astra是 46。
对做机器人学习和具身智能的人来说，这个差异值得认真对待：两项测试用的是同一批机器人，模型控制的对象和任务都一样，所以分数差距更可能来自模型对空间关系的理解，而不是硬件条件。康奈尔大学和Google DeepMind的研究员Yoav Artzi直接称其为「空间推理的阶跃式变化」。
不过证据目前还停留在早期基准阶段。Astra的 7% 完成率本身并不高，Artzi也指出，即使在尚未公开的REMAP基准上Astra接近人类水平，「在其他场景里，ASTRA也还达不到人类的程度」。他推测OpenAI用大量 3D数据（比如Blender场景）训练了模型，这与Astra在 3D任务上的明显提升方向一致，但这是推测，不是OpenAI确认的训练细节。想复现或检验的人，目前可以在GitHub上找到全部结果、视频和代码。
根据The Decoder 2026年 9 月 12 日的报道，一个新的机器人基准测试StationeryBench显示，OpenAI的GPT-6 Astra在空间推理上相比竞品出现明显提升。
该基准涵盖五项桌面物体任务，包括打开马克笔、倒出回形针，以及让两支机械臂传递一把尺子。GPT-6 Astra和Ai2的MolmoAct2分别控制同一套双臂YAM机器人，各进行 200 次试验。
结果显示，Astra在 100 项任务中完整完成了 7 项，MolmoAct2完成 0 项。Astra的进度中位分为 46 分（满分 100），MolmoAct2为 12 分。所有结果、视频和代码已发布在GitHub上。
康奈尔大学和Google DeepMind的AI研究员Yoav Artzi称Astra是「空间推理的一次阶跃式变化」。在尚未公开发表的REMAP基准上，GPT-Astra的准确率接近人类水平。
但Artzi也指出，「即使ASTRA在其他场景中也达不到人类的表现」。他推测OpenAI使用大量 3D数据（如Blender场景）训练了该模型，这与Astra在 3D任务上的特别提升相符。
报道同时提到，OpenAI有长期计划打造自己的消费级机器人。