OpenAI 把机器人团队并入核心研究:通用模型正在胜过专用的机器人大脑
Claude Fable 5.2 以 64.9% 领跑 RoboDojo;尚无收入的 Physical Intelligence 寻求 200 亿美元估值

2026 年 11 月 13 日,OpenAI 解散了独立的机器人研究组,把机器人工程师直接并入更大的研究部门。时机耐人寻味:同一周,两个独立的机器人排行榜显示,通用基础模型大幅领先专门打造的机器人 AI。两件事碰在一起,让 OpenAI 这一步看起来不像撤退,更像是提前判断了技术的走向。
基准测试到底显示了什么
OpenAI 重组前四天,Anthropic 发布了 Claude Fable 5.2,并公布了它在 RoboDojo 上的成绩。RoboDojo 由香港大学多媒体实验室和全球近 20 家机构的研究人员共同开发,评估机器人在模拟和真实任务中的操作能力。Fable 5.2 在模拟部分拿到 64.9%,是两个月前发布的前代 Fable 5.1(27.6%)的两倍多,也超过了 Claude Opus 5.5 的 39.4% 和 GPT-6 Astra 的 29.8%。Fable 5.2 和 Astra 都从未按机器人模型来设计或宣传,它们都是通用系统,主要用于编程、推理和多模态任务。
同一周,Artificial Analysis 公布了最新结果,来自它的 AA-Robotics v0.1 基准。这个基准考察模型通过生成代码来控制一条实体机械臂。Fable 5.2 在这项测试中得到 75 分,排名第一,领先 GPT-6 Astra 的 69 分和 GPT-6.1 Sol 的 65 分。它还是第一个在「量箱子」任务上拿到有效成绩的模型。这个任务要求在没有实体测量工具的情况下,从视频里估算物体尺寸,是一项空间推理挑战,Fable 5.2 之前接受评测的模型全都没能完成。
11 月初,英伟达西雅图机器人实验室发布了 Astranomy,这项研究让前沿 AI 模型在一条 Franka 机械臂上完成一套任务基准。直接把 GPT-6 Astra 当作机器人控制器使用时,任务成功率为 66.3%,高于研究中最好的专用机器人模型(51.0%),更远超 Physical Intelligence 的 π0.5(28.0%)。
通用模型为什么一再胜过专用模型
这个差距有结构上的原因。Physical Intelligence 的 π0 和 π0.5 模型建立在 PaliGemma 3B 之上,这是一个 30 亿参数的视觉语言模型,另外配一个 3 亿参数的独立动作专家。这种架构追求响应速度:动作专家的运行频率约为 200 Hz,远快于大语言模型能达到的速度。
问题出在知识污染。把动作专家和语言主干放在一起训练时,来自机器人训练数据的梯度会干扰语言模型中编码的网络规模知识。Physical Intelligence 发现了这个问题,并提出了一种叫「知识隔离」的技术,在一篇2025 年 5 月的论文中正式写成。关键机制是一个停止梯度(stop-gradient),阻止动作专家的学习信号回流到视觉语言主干。结果是模型学得更快、跑得更快,在没见过的任务上泛化得也更好。
这个办法在动作层管用。它解决不了的,是规划层的知识差距,而通用模型赢就赢在规划层。
三层架构,以及价值在哪一层
现代机器人流水线在三个时间尺度上运转。规划层由大语言模型负责,以秒为单位思考:理解指令、在整个任务中保持上下文、决定下一步做什么。动作层的频率约为 200 Hz,发出让关节从一个位置移到另一个位置的具体电机指令。电机层以千赫兹频率运行,负责底层的物理控制。
真正值钱的是规划层。英伟达的 Astranomy 研究明确印证了这一点:把 Astra 用作编排者、只在任务执行中 14.5% 的步骤里介入时,它把一个小型策略模型的成功率从 36.8% 提高到 66.5%。它的介入大多是纠正抓取位置(占 64.4%),或纠正目标、计划错误(占 20.2%)。这些编排介入不到七步中的一步,却给任务成功率带来了将近三十个百分点的提升。把 Astra 当编排者使用会增加每一轮的大模型推理成本;以完整的智能体方式运行,成本还会更高。
Google DeepMind 的 Gemini Robotics 2在系统层面用的是同一套逻辑。Gemini 3.5 Flash 位于架构顶层,负责规划;中间层是一个专门的动作视觉语言动作模型(VLA);更小的 Gemma 模型在设备端运行,负责电机层。前沿模型提供认知,专用组件提供速度。
专用机器人初创公司的「翻倍难题」
一篇2026 年 10 月发表的论文题为《苦涩的教训来到机器人领域》(The Bitter Lesson Comes to Robotics),在实体机械臂上用六项任务测试了九个前沿模型。根据 2026 年 7 月到 10 月在真实硬件上的运行结果,模型的表现大约每 53.9 天翻一倍。
这样的翻倍速度,给那些围绕当下专用模型打造产品的公司带来了结构性难题。Robocurve 的实体硬件测试凸显了这个差距:在「把方块放进碗里」的任务中,OpenAI 的 GPT-6 Astra 20 次里成功 19 次,成功率 95%;Claude Fable 5.1 在同一测试中只有 40%。Astra 每次成功运行的成本是 0.94 美元,Fable 5.1 是 2.12 美元。这次评测也暴露了「规划层论」的局限:在讲究精度的任务上,比如把拼图块放进凹槽,Astra 的成功率跌到 10%,这和如今专用动作模型能处理的范围一致。
Physical Intelligence 自己的演进也说明,专用模型本身进步得有多快。2024 年 10 月发布的 π0 针对特定操作任务训练;2025 年 4 月发布的 π0.5 已经能泛化到陌生家庭环境中的移动操作。公司已透露下一代模型的存在,内部称为 π*0.6,尚未正式发布。
基准数据带出的估值问题
彭博社 2026 年 10 月报道,Physical Intelligence 正在洽谈以 200 亿美元估值融资。此前一轮的估值是 115 亿美元,2025 年是 56 亿美元。公司没有披露收入。
没有公开收入却估值 200 亿美元,这是在押注三个判断:专用的动作层能长期存在;Physical Intelligence 在采集物理世界数据上拥有守得住的领先;通用基础模型不会吞掉动作层所依赖的规划层价值。就在这些数字流传的那一周,这三个判断都变得更复杂了。
OpenAI 重组真正释放的信号
据《财富》报道,如今在更大的研究部门里负责机器人方向的 Guanya Shi,用一种熟悉的说法描述这次转变:任何看过专用 NLP 系统让位于通用语言模型的人,都会觉得似曾相识。Shi 对《财富》表示,通用模型已经成为机器人工作的底座,针对机器人的开发主要变成了提示和编排的问题,而不是从零打造专用模型。
这个说法有一处重要的不准确:实体机器人控制仍然需要动作层和电机层,而通用语言模型本身并不提供这些。但在规划层,也就是决定机器人要做什么、按什么顺序做的那一层,这个类比是成立的。而 Physical Intelligence、Figure 以及所有销售机器人基础模型的公司,恰恰是在规划层上论证自己的价值。



