来源：具身纪元（七月（2026 外滩大会现场）） · 2026-09-16 · 原文链接
分类：主线强相关（「理解≠操作」的量化证据 + Token/延迟代价 + 部署数据回路；与朱兴访谈、LingBot-Map 同属一条）
一句话概括
一篇匿名评测显示 GPT-6 Astra 不微调就能直接控机械臂，在 RoboLab 上 49/50（98%）压过 π0.5 与混合策略。但把任务换成柔性物体就反转了——叠衣服 Direct 40%、混合 100%，且 Direct 按成功任务分摊的 Token 是混合的 3.35 倍。作者的读法是对的：这份报告讲的不是「GPT 很强」，而是「理解、判断、纠错可以外包给大模型，连续操作仍要低延迟可复用的动作经验」。后半篇用外滩大会上蚂蚁灵波的回答接住这个结论：朱兴说早年在 Wan 等通用视频模型上微调「走到后期真的是撞到南墙了」，转而从 0 到 1 做具身原生（视觉/力觉/触觉 token 化 → 同时间尺度对齐 → 流式生成动作），LingBot-VA 2.0 的 Foresight Reasoning 把每段推理从 927ms 压到 142ms、异步控制 35Hz→225Hz；沈宇军把商业落地称为「更直接的评测」，一个场景采了 500 条做到 90% 后，「怎样采下一条才能推到 90.5%」比继续堆量难得多——稀缺的是能解释剩下 10% 失败的长尾数据。
核心要点
金句
「机器人需要的是合理，你是否符合物理规律，因为最终要演化成 action，要控制机器人。」——朱兴
「视频生成慢一点，用户可以等；机械臂已经碰到物体时，新的传感器输入不会停。」
「反馈若总在动作之后才到，闭环控制就无从谈起。」
「基模很大的价值无非是让后训练的 Few-shot 表现更好。我用更少的数据达到同样的效果，或者用同样的数据达到更好的效果。」——朱兴
「一个场景已经采了 500 条数据，成功率做到 90%，接下来怎样采下一条，才能把它推到 90.5%？这比继续把数据量做大难得多。」——沈宇军
「大量重复成功的录像未必有用，真正稀缺的是能解释剩下 10% 失败的长尾数据。」
「只有付费的商业化，才能迎接更真实的考验。」——朱兴
「具身公司不能只靠『机器人操作很难』来解释自己的价值。」
质疑与核查
所谓「匿名评测」，多个来源指向银河通用（Galbot）团队：检索到的报告首页署名 Jiayi Su*、Yixin Zheng*、Mi Yan、Li Yit、Zhizheng Zhang、He Wang（通讯，王鹤，银河通用创始人兼 CTO 的博士生为一作），托管在
anonymous-report-421.github.io。所以「匿名」是发布形式，不等于来源不明。 本文通篇只说「匿名评测」，没有交代这一点，也没有交代评测方与 π0.5 是被比较对象之一的关系（潜在立场问题：报告的价值恰恰在于证明「大模型 + 我方这类策略」的分工）。报告自标的 status = draft，且多处口径放宽（据另一篇整理稿）：初始状态未跨方法严格对齐、含「保留的历史结果」与「授权重试」、纯 Astra 最后两次重试用了 500 步决策（常规 180）、只统计被选入的 50/48 个样例、官方榜是加权综合分而本地是未加权得分。RoboLab 的 98% 更适合当「能力上限」看，不能当严格同条件排行榜成绩。 本文没有提任何一条。
本文只讲了 RoboLab 的一半，没讲 RoboDojo 的一半，而两半结论相反：RoboDojo 上 π0.5+Astra 62.6 分 / 48% 成功率，Astra Direct 只有 37.81 / 26%——混合明显更好；RoboLab 上 Direct 98% 反超混合 92%。本文引的是 RoboLab（Direct 占优）那半来支撑「Astra 很强」，再引叠衣服（混合占优）来支撑「动作经验重要」，两个方向的证据被分别取用，读者很容易以为结论一致。实际结论高度依赖基准与任务构成。
「超过 π0.5 和 π0.5+GPT-6 Astra」这句要小心：RoboLab 上 Astra Direct 98% > 混合 92% 是真的，但混合把 π0.5 单挑的 36% 拉到 92% 才是报告的主结论。只引前者会丢掉「分层组合」这个真正的技术点。
Token 3.35 倍这个数我复算过，内部自洽：11.3/6.25 ≈ 1.81（总量），× (48%/26%) ≈ 3.34。但它是「按成功任务分摊」，分母是两个不同 SR，属于合成指标——引用时必须写明口径，否则会被读成「Direct 就是贵 3 倍」。
927ms → 142ms、35Hz → 225Hz 缺段长与硬件条件：142ms/段 要得到 225Hz，段长约 32 步；这只是我的反推，原文没给。另外没有说明是哪种 GPU、是否含网络往返、是仿真还是真机。 在拿到技术报告前，这个数字只能当方向性证据。
「150 多种药品 / 80 厘米通道 / 不改造货架」有公开报道支撑，但仍然没有任何效果数字：没有单店成功率、没有日均单量、没有接管率、没有运行时长。这段是流程描述，不是效果证明。
外滩大会部分（撞南墙、药房 80cm/150 种药、基模让 Few-shot 更好）与同日另一篇报道高度同源，很可能来自同一场论坛与同一场沟通会。同一场活动的两篇报道不能当互相印证，只能算一次信源。
「Skild / PI / Dyna 都在做部署回流」是三个公司的自我陈述并列，本文没有给出任何一家的量化结果（回流后成功率涨了多少）。这个做法的合理性很强，但目前缺一个公开的、可引用的增益数字。
GPT-6 Astra 本身的状态要打折：多篇来源称其仍处内测、API 未公开，OpenAI 未确认与 Physical Intelligence 有合作。整篇的技术判断建立在一份 draft 状态的第三方评测上，建议按「强信号、弱证据」对待。
本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文