Artificial Analysis представила AA-Robotics v0.1 — бенчмарк для оценки того, как языков...
Artificial Analysis представила AA-Robotics v0.1 — бенчмарк для оценки того, как языковые модели понимают физический мир, планируют действия и управляют роботизированной рукой. В восьми задачах модель анализирует сцену через камеры, пишет код и отправляет команды 6-осевому манипулятору. В опубликованном рейтинге указаны: GPT-6 Astra — 69 баллов, GPT-6.1 Sol — 65, Gemini 4 Argon — 55, Claude Opus 5.5 — 49. По данным материала, стоимость одной задачи составляет около $1,93 для GPT-6.1 Sol и в среднем $16,36 для GPT-6 Astra. При этом заявленная скорость выполнения примерно в 100 раз ниже человеческой. Результаты бенчмарка не означают полной автономности: такие системы нужно проверять и контролировать.
2 просмотров