早期基准显示 GPT-6 Astra 空间推理出现“阶跃变化”

在一项新的机器人基准测试中，GPT-6 Astra 在空间理解方面取得明显进展。报道称，在 StationeryBench 上，该模型使用双臂机器人完成了 100 项任务中的 7 项，而竞争对手 MolmoAct2 一项都未能完成。有研究者将这一表现称为空间推理的“阶跃变化”。该结果来自早期基准测试。

此前同类模型在双臂机器人任务中几乎无法完成任何任务，而 GPT-6 Astra 在同一基准上完成 7%，且竞争对手 MolmoAct2 为零。这一对比说明空间推理能力可能出现了可测量的跃升，而不只是小幅优化，因此值得关注其对机器人操作任务的门槛意义。

证据仅表明 GPT-6 Astra 在 StationeryBench 上以双臂机器人完成 7/100 任务，MolmoAct2 为 0/100，并被研究者称为空间推理的“阶跃变化”。但证据未说明模型架构、训练方式或评测机制，因此无法进一步解释其能力提升的技术来源。

若该基准结果可复现，涉及机器人操作、具身智能或空间任务的产品团队可能需要重新评估模型选型与任务可行性边界。当前 7% 的完成率仍偏低，短期内更适合用于探索性验证而非直接部署。

• 在双臂机器人场景中复现 StationeryBench，验证 GPT-6 Astra 7/100 的结果是否可重复。
• 针对自身业务中的空间操作任务，建立与 MolmoAct2 等模型的对比评测流程。
• 围绕 7% 完成率中的成功案例，分析可被产品化的具体子任务类型。

• StationeryBench 的完整评测设置、任务定义与评分标准是什么？
• 7/100 的结果是否经过独立复现或同行评审？
• MolmoAct2 的零完成率是否受评测配置或环境因素影响？
• 该“阶跃变化”结论是否有其他独立信源支持？