GPT-6 Astra przejmuje stery. Robotyczny test biurka obnażył braki konkurencji

OpenAI wkracza w domenę fizyczną, gdzie do tej pory królestwo algorytmów kończyło się na ekranie monitora. Najnowszy model GPT-6 Astra wykazał sprawność w operowaniu obiektami, której nie powstydziłby się zręczny rzemieślnik. Potwierdzają to wyniki benchmarku StationeryBench. Zadania? Pozornie banalne: odkręcanie skuwki markera, wysypywanie spinaczy czy przekazywanie linijki między dwoma mechanicznymi ramionami. Dla maszyn to jednak prawdziwy tor przeszkód, który brutalnie weryfikuje ich rozumienie przestrzeni.

Dlaczego to istotne właśnie teraz? Mimo że branża ekscytuje się głównie generowaniem tekstu i wideo, to właśnie panowanie nad materią decyduje o użyteczności AI w realnym świecie. Choć Astra błyszczy w testach specjalistycznych — osiągając 49,3% w MedChemBench oraz imponujące 63,4% w HealthBench Professional — jej zdolność do poruszania się w świecie 3D budzi największe emocje wśród inżynierów robotyki. Eksperci zalecają jednak chłodną głowę i odróżnienie marketingu od surowych danych, szczególnie że wyniki konkurencji w niektórych testach wciąż pozostają przedmiotem debaty.

Dominacja na polu walki maszyn

W bezpośrednim starciu z modelem MolmoAct2 od Ai2, Astra wykazała ogromną przewagę. Podczas gdy oba modele kontrolowały identyczne dwuramienne roboty YAM w serii 200 prób, Astra zdołała w pełni ukończyć siedem zadań. Według udostępnionych danych jej konkurent nie ukończył ani jednego, a różnica w medianie postępu była miażdżąca: 46 punktów dla Astry wobec zaledwie 12 dla MolmoAct2. Poza światem fizycznym Astra radzi sobie równie sprawnie, notując wynik 72,6% w OSWorld 2.0, co czyni ją jednym z najsprawniejszych cyfrowych agentów na rynku.

Yoav Artzi, badacz z Uniwersytetu Cornell i Google DeepMind, wskazuje na potencjał modelu w nowym benchmarku REMAP. Jak zauważa sam Artzi: „REMAP to benchmark do oceny wielowidokowego rozumowania przestrzennego, wymagający dopasowania map symbolicznych do widoków z pierwszej osoby przy zmieniających się punktach widzenia”. To właśnie ta zdolność do „widzenia” świata z różnych perspektyw pozwala Astrze zbliżać się do ludzkiej precyzji w zadaniach 3D.

Strategiczny krok ku własnym robotom

Spekuluje się, że OpenAI nakarmiło swój model ogromną ilością danych trójwymiarowych generowanych w środowisku Blender. To pozwoliło maszynie zrozumieć głębię i fizykę obiektów w sposób niedostępny dla starszych systemów. Zdolność ta wykracza poza laboratoria — Astra zdobywa już 59% punktów w Terminal-Bench v4.0, co pokazuje jej wszechstronność w operowaniu różnymi interfejsami.

Te sukcesy to element strategii budowy własnych robotów konsumenckich. Precyzyjna manipulacja przedmiotami to brakujące ogniwo, które dzieliło asystentów głosowych od realnych pomocników w domach czy magazynach. Choć Astra wciąż popełnia błędy, jej obecna efektywność wyznacza nowy punkt odniesienia dla całej branży, czyniąc wizję autonomicznych maszyn o wiele bardziej realną niż jeszcze rok temu.