GPT-6 Astra 发布之后，具身智能行业内部讨论的焦点不再是 " 要不要专门为机器人训练一个大脑 "，而是转向了更具体的问题：哪些任务可以交给通用模型直接完成，哪些环节仍然离不开专用模型和机器人数据训练。这个判断的分量，在 OpenAI 近期的组织调整中得到了侧面印证。
当地时间 11 月 13 日，据外媒报道，OpenAI 确认已撤销独立机器人团队，机器人研究人员并入核心研究团队，应用机器人及硬件团队转入应用部门。公司方面表示，机器人仍是其长期愿景的重要组成部分，此次调整旨在加快相关研发。独立团队撤了，但机器人业务没有退出，变化出在研发路径上——通用模型的进展正在改变具身智能的投入方式。
从仿真测试到真机操作，通用模型承担的任务范围在扩大。英伟达（NVDA）公布的 Astranomy 研究提供了一个量化参照。在 RoboLab-120 仿真操作基准中，基于 GPT-6 Astra 的智能体方案取得 74.8% 的成功率，高于研究列出的专用模型 Lakeside 的 51.0%。需要拆开口径的是，74.8% 对应的是带有持续交互上下文的智能体方案，直接生成动作的方案成功率为 66.3%。测试主要覆盖抓取、放置等操作，模型推理时仿真环境暂停，尚未检验其在持续变化环境中实时应对的能力，也未覆盖插接、装配等复杂接触任务。这个成绩说明通用模型在结构化、可暂停的仿真任务中具备竞争力，但距离真实产线的连续作业仍有距离。
Anthropic（ANT）的新模型在另一套测试框架下给出了方向相近的结果。Claude Fable 5.2 与 Mythos 5.2 在公司内部运行的 RoboDojo Sim 双臂机器人仿真测试中，Fable 5.2 得分为 64.9%，同一框架下 GPT-6 Astra 为 29.8%。公司还展示了 Fable 5.2 控制机器人拧开瓶盖、绘画等任务。两套测试所用的基准不同，成绩不能直接横向比较，但共同指向一个趋势：通用大模型在机器人操作任务上的能力边界正在向外推移。
国内整机企业已经把通用模型放进真机测试。10 月 22 日，在 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，宇树科技（688836）创始人王兴兴表示，物理 AI 已经看到被击穿的苗头，突破可能在最近一至三年出现。他在现场展示了宇树使用 GPT-6 开展的机器人测试，涉及绘画、规划导航等任务。
优必选（HK9880）的测试设计更能说明问题。公司围绕 GPT-6 Astra 开展了六组真机与仿真测试，涵盖真机抓取魔方、抓取福袋、自主绕障，以及仿真环境中的篮子搬运、直接控制叠碗和结合世界模型叠碗。按公司披露的结果，Astra 直接抓取魔方、仿真搬运篮子及直接叠碗均未完成；与专用具身模型协同后，机器人完成了福袋抓取、绕障移动及叠碗。协同方案涉及调用优必选（HK9880）自研 Thinker-VLA 执行操作，以及结合 Thinker-WM 预测动作结果、辅助决策。在叠碗测试中，相较直接控制方案，协同方案的 Astra Token 消耗和 API 估算费用分别减少 83.6%、74.2%。
这组结果揭示的机制值得拆解：通用模型直接生成动作，在简单抓取任务上尚未跑通；退一步让它负责理解任务、制定计划，再调用专用模型执行具体动作，任务完成率和运行开销都出现改善。模型之间如何分工，已经开始影响任务能否完成以及完成一次任务花多少钱。
图 1：优必选（HK9880）围绕 GPT-6 Astra 的真机与仿真测试。数据来源：优必选（HK9880）公告
通用模型承担更多任务，并不意味着面向机器人的专门训练失去意义。谷歌近期更新的机器人系统仍在通过具身推理模型与动作模型的配合来提高实际操作能力。11 月 10 日，谷歌 DeepMind 发布 Gemini Robotics 2.5，这是一款视觉 - 语言 - 动作模型，能够将视觉观察和语言指令转化为机器人动作。据公司介绍，该模型在 200 余项任务中接受评估，覆盖工具使用、柔性物体操作等能力，包括用夹子取放食物、为礼盒系蝴蝶结和移取液体。
图 1：2026 年 10 月 22 日— 11 月 13 日。数据来源：宇树公告；谷歌公告；OpenAI 公告
谷歌同时披露了与 Apptronik、奔驰开展的汽车产线概念验证。Apollo 2人形机器人（886069）进行零部件拣选、配套作业，成功率达到 96%。分工方式与优必选（HK9880）的探索有相通之处：具身推理模型负责跟踪工作流程，Gemini Robotics 2.5 动作模型控制手臂和双手，将零件从料箱中取出，放入配套容器。理解 " 把零件放进容器 " 是一回事，接近物体、调整抓取姿态、移动和放置是另一回事，两类模型各管一段。
图 1：单位：%（分别为仿真操作基准与汽车产线概念验证）。数据来源：英伟达（NVDA）公告；谷歌公告
通用模型的作用还在向研发环节延伸。据谷歌介绍，Gemini 4 Argon 参与了 Gemini Robotics 2.5 的研发，可以根据真实摄像头画面辅助构建数字孪生（885820）、生成仿真练习，并结合任务失败的视频分析原因，帮助研究人员测试改进方案。仿真数据与真实操作示范结合后，用于提升机器人对新场景和新物体的适应能力。通用模型在这里扮演的是训练材料的生产者和失败原因的分析者，专用模型仍然是执行端的主体。
即便通用模型在理解和规划上更强，部署环节的约束依然硬。英伟达（NVDA）Astranomy 研究中，直接控制方案平均每次推理耗时约 18.56 秒；取得最高成功率的智能体方案，每次成功任务的 API 费用估算约 36.40 美元。研究明确指出，延迟和成本是实际应用的重要限制。成功率的提升并不总伴随速度和成本的改善——带有更多上下文、能够持续规划和调整的智能体方案可以完成更复杂的任务，但需要更多推理和模型调用。优必选（HK9880）的协同测试则从另一面说明，在特定任务中将部分动作执行交给专用模型，可以减少对通用模型的调用次数和费用。
这也意味着机器人模型的比较不能只看一个成功率数字。仿真中的抓取、真机上的叠碗、汽车产线的零部件配套，任务条件和作业要求不同，能够支撑的结论各有范围。在真实工作环境中，物体和人员不会在模型思考时暂停。机器人完成一次任务，与按产线节拍持续作业之间，还隔着响应速度、运行成本和出错后的恢复能力。
从仿真测试走向工厂，模型成绩需要转化为具体的作业指标：更换零件后能否抓准，操作偏差能否自行纠正，一班需要多少次人工接管，每完成一次作业要花多少钱。这些问题的答案，将决定通用模型能够直接承担多少工作，以及哪些环节仍需要专门训练。
一个容易被忽略的边界条件是，当前公开的测试结果大多在受控环境中取得，仿真环境可以暂停等待推理，真机测试的任务种类和物体范围也有限。通用模型在开放、动态、长尾场景中的表现尚缺乏系统性验证，技术路线也未完全收敛。京东（JD）集团技术委员会主席曹鹏在乌镇峰会期间曾指出，行业仍面临高质量训练数据稀缺、技术路线尚未收敛、样机演示难以转化为规模化商业落地等多重现实难题。通用模型的进步改变了分工方式，但没有消除数据供给和场景验证这两道关口。OpenAI 撤销独立团队、转向核心研究力量的整合，反映的是研发资源配置的调整；整机企业是否跟进、以何种节奏跟进，取决于各自的产品阶段和成本约束，公开信息尚不足以给出统一判断。