商汤给GPT-6-Astra做真机体检：仿真考卷近乎满分，一上手就露怯

10月20日，商汤联合多家高校与企业团队给 OpenAI 的 GPT-6-Astra 安排了一场”具身智能”大考，铺了12项仿真评测、8个真实机器人平台。结果有点尴尬：开小灶（借助上下文学习，放宽动作步数限制）时，GPT-6-Astra 在传统具身评测里刷出接近满分；但落到真实机器人身上，失误频率明显上升。

仿真满分，真机露怯：物理操作仍是短板

真正的问题不在”会不会动”，而在”知不知道自己动没动对”。研究指出，GPT-6-Astra 在物理操作里常常误判成功状态——它以为自己抓到了，放好了，实际未必。而一旦走错，补救成本高得吓人，真机执行的试错代价让部署落地仍有一大段距离。团队判断：GPT-6-Astra 已跨过具身能力门槛，但距离实用化仍有明显差距。

评测体系自身也有泡沫：商汤推出SenseNova-RoboRSI框架

这场评测还顺手戳破了现有具身评测体系的泡沫。商汤认为，传统基准分数虚高，因为离真实家庭需求太远。于是团队推出 SenseNova-RoboRSI 具身系统框架，巧思在于不必更新基础模型权重，而是靠执行反馈让机器人”递归式自我进化”，在多项仿真评测里验证了效果。

当大模型在试卷上拿满分、在现实里笨手笨脚，行业要补的或许不只是模型，还有那把量它的尺子。