商湯聯合多家高校與企業團隊，給 OpenAI 的 GPT-6-Astra 安排了一場針對"具身智能"的大考。這場考試鋪得很廣——覆蓋12項仿真評測、8個真實機器人平臺，目的就是看清這位明星模型究竟能不能從屏幕裏的"腦子"，真正長出手腳去幹活。結論有點尷尬:在給它開點小竈（藉助上下文學習、放寬動作步數限制）的情況下，GPT-6-Astra 在不少傳統具身評測裏刷出了接近滿分的成績;可一旦落到真實機器人身上，面對精細接觸、長程任務這類需要真刀真槍操作的場景，它失誤的頻率就上來了。

真正的問題不在"會不會動"，而在"知不知道自己動沒動對"。研究指出，GPT-6-Astra 在物理操作裏常常誤判成功狀態——它以爲自己抓到了、放好了，實際未必;而一旦走錯，補救起來相當困難，加上真機執行的試錯成本高得嚇人，讓它離真正能上崗部署還差着一段不短的路。團隊的總體判斷是:GPT-6-Astra 已經跨過了具身能力的門檻，但距離實用化仍有明顯距離。

這場評測還順手戳破了現有具身評測體系自身的泡沫。商湯糰隊認爲，傳統基準分數虛高，是因爲它們離真實家庭需求太遠，評測該往更貼近日常生活的方向調。作爲迴應，團隊端出了自己的解法——SenseNova-RoboRSI 具身系統框架。它的巧思在於不必更新基礎模型權重，而是靠執行反饋讓機器人"遞歸式自我進化"，持續優化表現;這套思路已經在多項仿真評測裏驗證了效果。一句話，當大模型在試卷上拿滿分、在現實裏卻笨手笨腳，行業要補的或許不只是模型，還有那把量它的尺子。