RoboColiseum评测显示GPT、Claude与Gemini在具身操作任务中险胜但存在普遍短板

RoboColiseum发布的评测报告显示，Claude Opus 5.5以76.28分位居多模态模型榜首，GPT-6 Astra以75.99分紧随其后。尽管大模型在指令跟随上表现优异，但通用操作成功率仍远低于专业具身策略模型，且在视觉干扰下的性能衰减明显，精准抓取与连续动作执行仍是主要瓶颈。