Ранние тесты показывают качественный скачок GPT-6 Astra в пространственном мышлении

1) Главный смысл: По данным The Decoder, ранние тесты GPT-6 Astra указывают на улучшение пространственного мышления: модель лучше конкурента справилась с управлением роботом и показала высокую точность в отдельном исследовательском тесте. Однако преимущество в сравнении пока не означает надёжной работы с физическими предметами: полностью завершённых заданий мало.

2)
- Одинаковые роботы, разные модели. В StationeryBench сравнили GPT-6 Astra от OpenAI и MolmoAct2 от Ai2 на двухманипуляторных роботах YAM. Испытания включали пять типов задач с канцелярскими предметами: например, снять колпачок с маркера, высыпать скрепки или передать линейку между манипуляторами. Всего провели 200 попыток.
- Успехи остаются ограниченными. Astra полностью выполнила 7 заданий из 100, MolmoAct2 — ни одного. Медианная оценка продвижения к цели составила соответственно 46 и 12 баллов из 100. Это важно различать: частичное выполнение заметно улучшилось, но большинство задач Astra до конца не довела. По сообщению издания, результаты, видео и код доступны на GitHub.
- Второй тест ещё не опубликован. Исследователь Корнеллского университета и Google DeepMind Йоав Арци называет результат качественным скачком. По его словам, в REMAP точность Astra близка к человеческой, но в других сценариях модель всё ещё уступает людям. Сам бенчмарк пока не опубликован.
- Объяснение — гипотеза. Арци предполагает, что OpenAI использовала большие объёмы трёхмерных данных, например сцен Blender. Статья не приводит подтверждения такого состава обучения. Упомянутые долгосрочные планы OpenAI по созданию потребительских роботов также не сопровождаются сроками выпуска.

3) Что дальше: Следить стоит за публикацией REMAP и независимым воспроизведением результатов. Для практического применения важны не только баллы, но и устойчивое завершение задач с незнакомыми предметами и в меняющихся условиях. Пока эти данные не позволяют судить о готовности модели к самостоятельной бытовой работе.