RoboColiseum 评测：Claude Opus 5.5 以 0.29 分险胜 GPT-6 Astra
通用多模态模型指挥机器人的真实水平：理解任务已接近专用模型，但一旦要处理抓取接触、精细对位这类动作，差距立刻显现。
具身智能评测平台 RoboColiseum 让 GPT、Claude、Gemini 四款多模态模型直接指挥机器人执行任务。Claude Opus 5.5 以 76.28 分居首，GPT-6 Astra 75.99 分紧随其后，两者仅差 0.29 分；但专业具身策略模型 Paimon 和 HiDream-O1-Embodied 仍以 77.54 和 76.92 分排在其前。多模态模型在指令跟随、空间理解上更强，通用操作仍是短板。
正文摘录
.jpg) 编辑｜Clio 如果让 GPT、Claude、Gemini 直接指挥机器人干活，谁更靠谱？ 10 月 20 日，具身智能评测平台 RoboColiseum 发布的评测报告给出了一组实测结果：在四款参评的多模态模型中，Claude Opus 5.5 以 76.28 分取得最高综合成绩，GPT-6 Astra 以 75.99 分紧随其后，两者仅相差 0.29 分。GPT-6.1 Sol 和 Gemini 4 Argon 则分别以 70.91 分、66.86 分位列第三、第四。 - RoboColiseum：https://robocoliseum.ai/ - Techreport：https://robocoliseum.ai/techreport/agent2act  不过，在报告收录的官方总榜中，前两名仍然属于专业具身策略模型：Paimon 和 HiDream-O1-Embodied 分别取得 77.54 分和 76.92 分，排在 Opus 和 Astra 之前。 总分接近，能力分布却不同。