您的位置首页 >人工智能 >

清理箱子只发92条指令,GPT-6.2 Astra比Fable 5.2少约75%

在机器人清理箱子这个实测任务里,GPT-6.2 Astra 只输出 92 条控制指令就能完成任务,相比 Claude Fable 5.2,指令总量减少大约 75%,核心原因是 GPT-6.2 Astra 优化了智能体任务规划逻辑,砍掉大量重复试探、冗余判断类指令,不会像 Fable 5.2 那样生成很多无效步骤;整套执行流程是模型先识别箱子内物品、规划取放顺序、合并可合并动作,再输出精简的执行指令,不需要反复来回校验,最后在完成清理箱子目标不变的前提下,用更少指令完成相同任务,体现出 Astra 在具身智能任务上的输出效率优势。

两款模型清理箱子任务数据对比

模型清理箱子指令数量指令量对比特点
GPT-6.2 Astra92 条基准(少 75%)动作合并、减少冗余试探,指令精简
Claude Fable 5.2约 368 条比 Astra 多 3 倍分步拆解细致,附带大量中间判断指令

GPT-6.2 Astra 精简指令的实现要点

  1. 空间感知优先:一次性识别箱子、物品、机械臂位置,不用多次调用视觉确认
  2. 动作合并:把 “拿起 - 移动 - 放下” 这类连续动作打包成单条指令组,不拆分输出
  3. 过滤无效分支:自动跳过不会成功的试探路径,不输出失败尝试指令
  4. 目标导向输出:只输出落地执行指令,不附带额外解释、思考文本

这个数据代表什么

这个测试属于机器人具身智能小场景评测,只看完成清理箱子这个任务的指令输出量,不是综合能力跑分。指令更少不等于任务效果一定更强,只是代表 GPT-6.2 Astra 的任务规划更克制,Token 消耗、运行耗时、API 成本都会跟着下降,适合长期跑自动化智能体场景。

【相关 FAQ】

问题 1:GPT-6.2 Astra 清理箱子只用 92 条指令,是不是代表它机器人能力比 Fable 5.2 更强?

回答 1:GPT-6.2 Astra 清理箱子 92 条指令只是指令数量更精简,不直接等同于机器人综合能力更强;Fable 5.2 指令更多是它的思考拆解方式更细致,二者只是规划策略不一样,这个指标只代表 Astra 在该任务的输出效率更高。

问题 2:GPT-6.2 Astra 对比 Fable 5.2 清理箱子指令少 75%,会影响任务成功率吗?

回答 2:本次清理箱子的实测场景里,GPT-6.2 Astra 在指令减少 75% 的情况下,任务目标正常完成;但在障碍物多、物品形状复杂的箱子场景,精简指令有可能因为缺少容错步骤,出现成功率波动。

问题 3:GPT-6.2 Astra 清理箱子的精简指令优势,能不能复用到其他机器人任务?

回答 3:GPT-6.2 Astra 清理箱子的精简规划能力可以迁移到分拣、摆放这类规则机器人任务,但是高精密装配、未知环境探索任务,不适合过度压缩指令,容易缺少容错判断。

【参考资料】

[2026-11-20](GPT-6.2 Astra Scores 79 on Robot-Arm Benchmark With 668 Commands)TokenPost

[2026-11-18](Anthropic 上市前夕,OpenAI 发布 GPT-6.2: 成本大降,3D 能力再突破)DeepTech 深科技

[2026-11-10](上千个 Agent 8 天写操作系统、还能从零设计硬件,Anthropic 重磅发布 Claude Fable 5.2、Mythos 5.2)36 氪

【免责声明】

本文涉及的 GPT-6.2 Astra、Claude Fable 5.2 清理箱子指令数据为单场景实测结果,仅用于模型输出效率对比参考,不代表两款模型全场景性能定论;不同测试环境、提示词、机器人硬件都会改变指令输出数量,不构成选型建议。

今日大家都在搜的词: