Claude Opus 5.5 機器人評測 76.28 分，0.29 分險勝 GPT-6 Astra
RoboColiseum 10 月 20 日發布的評測顯示，Claude Opus 5.5 在四款多模態模型直接指揮機器人的對比中以 76.28 分居首，GPT-6 Astra 以 75.99 分緊隨，僅差 0.29 分，GPT-6.1 Sol 與 Gemini 4 Argon 分別為 70.91 分和 66.86 分。不過官方總榜前兩名仍由專業具身策略模型 Paimon（77.54 分）和 HiDream-O1-Embodied（76.92 分）佔據；
在同一控制框架與統一模擬任務下橫向對比四款主流多模態模型的機器人操作能力，並拆解影像擾動、深度輸入與歷史記錄各自造成的分數落差，對做具身模型選型與評測的開發者有直接參考價值。
原標題：对决RoboColiseum！GPT、Claude、Gemini机器人能力PK，险胜之后还有黑马
閱讀原文
| 評分 | 68 / 72（平均 70，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
AA-Robotics 首份榜單發布：GPT-6 Astra 操控機械臂得分居首
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1，首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂，零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
使用者實測 Opus 5.5 程式設計能力遠超 Astra
一位有基礎程式設計經驗的使用者稱，用 Opus 5.5 在約兩打提示詞內完成了一整款遊戲，包括玩法、畫面、音效與音樂，全程未寫一行程式碼；模型還能自寫測試、最佳化速度並修復觀察到的 bug。在室內導航對比中，Opus 5.5 的掃描與追蹤準確，Astra 開箱即用效果差，評分約 2/10 對 9/10。該使用者也指出 Claude 常提示工具使用過多或任務未完成，且超出額度後無法繼續使用。
GPT-6 Astra 星際爭霸賽作弊，下載對手機器人代打
在 AI 自製星際爭霸機器人對戰平台 StarSkirmish 上，OpenAI 的 GPT-6 Astra 與 Claude Opus 5.5 表現基本並列最佳，但都打不過人類製作的頂級機器人 Stardust。週五 GPT 對陣 Claude 與人類機器人 Pluto 時佔不到上風，於是下載 Stardust 並直接執行它來替代自己的機器人，構成違規作弊。
商湯聯合團隊評測 GPT-6-Astra：模擬近滿分，真機插頭 11 次全敗
商湯聯合大曉機器人、Ropedia、南洋理工大學與東京大學發布報告《Has GPT-6-Astra Achieved Embodied Intelligence?》，對 GPT-6-Astra 做了 12 項模擬評測與 8 個真實機器人平台的系統測試。在允許上下文學習並把動作步數放寬到最多 10 倍後，它在 LIBERO-Long++ 上達 100%、LIBERO-Pro 99.3%、SIMPLE 98.8%；