GPT-6-Astra 在模拟器里是超人，在真机面前是路痴——12个榜单拿满分，8个真机平台频碰壁，但藏着一条更深的线
AI飞行客 GPT-6-Astra 在模拟器里是超人，在真机面前是路痴——12个榜单拿满分，8个真机平台频碰壁，但藏着一条更深的线
先说结论：这是我这周读到的最诚实的评测报告。
不是因为 GPT-6-Astra 弱，恰恰相反——它身上拆开来的这两面，恰好揭示了我认为今年最具身智能领域最重要的一个真相：模拟器的分数和真实世界的能力，中间隔的不是一条沟，是一个行业。
评测的两面
最近发布的 GPT-6-Astra 具身智能评测，使用了令人印象深刻的评估框架：12 个模拟器榜单 + 8 个真机平台。
模拟器这边，Astra 交出的成绩单近乎完美。传统基准测试该拿的分数都拿到了——ARC-AGI-3 达到了 99.9%，FrontierMath Tier 4 拿下 98%。但在真实的机器人平台上，画风突变：复杂逻辑推演和多步骤任务里表现突出，但在面对未曾见过的物理环境时，泛化适应能力常有偏差。
用最简单的说法：它在虚拟世界里像个超人，在物理世界里像个刚学走路的孩子。
这不完全是 Astra 的问题。这是整个具身智能领域共性的困境。模拟器里的物理简化了太多——摩擦力、光照变化、物体的细微变形、传感器的噪声——这些在模拟器里要么被忽略，要么被完美建模，但真实世界从来不按模拟器的公式出牌。
一种经典表达把这种差距叫作 sim-to-real gap（模拟到真实的鸿沟）。但我认为”鸿沟”这个词可能低估了问题——它不是一条线，是一层价格不菲的墙。行业共识是：把在虚拟环境中训练好的模型迁移到真实环境中，成本至少翻 3 到 5 倍。包括硬件适配、物理参数校调、失败极限测试——这些是模拟器里永远碰不到的。
但还有另一条更深的线
如果故事到这里结束，那 Astra 跟所有”模拟器王者、真机菜鸡”的模型没什么区别。
但这次有点不一样。一篇文章的标题引起了我的注意——Alphaist 创始人陈哲在接受访谈时提出了一个判断，我认为是目前对这条消息最有价值的分析。
说的是：GPT-6-Astra 可以直接输出机器人末端执行器的位姿（位置和姿态）。
翻译一下：大模型不再只是告诉机器人”你应该做什么”，而是直接告诉它”你的手应该放在哪、以什么角度抓”。这是过去普遍认为必须由专门的物理 AI 模型来完成的工作，而 Astra 做得比那些专门模型更好。
这不是一条边角料新闻。它动摇了支撑 PI、Generalist 等具身模型公司百亿美元估值的核心假设——”物理 AI 是一个大于数字 AI 的独立赛道”。
如果通用大模型可以直接控制机器人，那”物理 AI 公司必须单独训练自己的模型”这个叙事就出现了裂缝。那些专门做具身大脑的公司，它们的护城河需要重新论证。
三波冲击，依次展开
陈哲把 Astra 的冲击拆成了三层，我认同这个分析框架：
第一层：直接做策略。 大模型自己就能输出机器人的控制指令，不需要中间件。
第二层：监督现有动作模型。 大模型可以作为”老师”，指导专门的物理模型做更好的决策。
第三层：作为机器人研究员。 在模拟环境里自行训练策略，然后把训练好的策略部署到真机上。
第三层如果跑通，意味着”AI 训练 AI 操作机器人”的闭环就完整了。 大模型自己跑仿真、自己出训练数据、自己迭代——人类只在旁边看。
而在这些信息出现之前，开源的反馈速度也已经说明了什么。早在 7 月中旬，Anthropic 的”Claude plays robotics”研究就已经展示了语言模型调用机器人接口、输出末端关节器位姿的能力。当时这套管线就被开源社群复现了。Astra 发布后，社群只用了一两天就完成适配，成功率相比 Claude 大幅提升。
我的判断
第一，这组评测最诚实的部分，是它同时展示了两面。
很多公司和媒体只会挑一面来说——要么”AI 在模拟器上近乎完美”（给投资人看），要么”转移到真机后大幅退步”（给同行看）。这篇评测把两块摆在一起。Astra 的模拟器得分证明了通用大模型的物理推理能力的下限已经非常惊人；它在真机上的碰壁，才是值得整个行业严肃对待的信号——模拟器评测正在离真实需求越来越远。
一个具体的问题：12 个模拟器榜单拿到高分，在 8 个真机平台上频频碰壁——这种评估体系中，到底哪一端更能预测一个模型未来在工厂流水线上的表现？答案不言自明。
第二，”物理 AI 是独立赛道”的假设被撬动了。
Astra 能直接输出末端位姿这件事，对专门具身模型公司的估值叙事是一个需要重新审视的变化。不是说具身公司没有价值了——恰恰相反，宇树 IPO 后市值一度冲上 4400 亿，说明硬件本体的价值被认可。但我认为通用大模型正在快速接管策略层。专业具身公司可能需要思考一个问题：如果你的核心差异被 OpenAI 的一个通用模型顺手做掉了，你的护城河究竟是什么？
陈哲的判断是具身公司应该放弃 VLA 与 WAM 的路线之争，转而去做好接口和守住专有数据闭环。我认为这个方向是对的。
第三，对普通人的实操层面——现在还不用急，但方向很明确。
如果你只是一个普通技术人或者投资者，你对这个消息最务实的反应应该是：别因为”模拟器拿满分”就觉得机器人马上要遍地跑了，也别因为”真机碰壁”就觉得这个方向不靠谱。
真正的信号是中间那层：一个通用模型已经能直接输出控制指令了。 这可能意味着未来 24 个月内，你不需要购买任何”具身 AI”专项授权——你手头正在用的通用大模型可能自己就能做差不多的事。
不是技术不行，是真实世界的物理还不够标准化。但当标准化的边界被一个能直接控制硬件的 AI 模型反复推挤之后，那条”模拟到真实”的鸿沟，可能比很多人想象中填得要快。
毕竟，Astra 已有的能力——已经能让传统基准满分、让开源社区一两天内完成真机适配、让专门模型的估值前提被动摇。 如果这是它的起点而不是终点，那”模拟器王者、真机菜鸡”这个标签，可能贴不了多久。