RecodeX 重构消息，商汤联合多所高校及企业团队对GPT-6-Astra的具身能力开展系统分析，覆盖12项仿真评测与8个真实机器人平台。结果显示，在借助上下文学习、放宽动作步数限制的条件下，该模型多项传统具身评测接近满分；但在真实机器人操作任务中，精细接触、长程任务等场景失误频发，暴露出物理操作成功状态误判、错误难以补救、执行成本高昂等问题。研究认为其已跨过具身能力门槛，但距实用部署仍有不小差距，并指出现有具身评测需向更贴近真实家庭需求的方向调整。团队同时推出可递归自我进化的SenseNova-RoboRSI具身系统框架，在不更新基础模型权重的前提下依托执行反馈持续优化机器人表现，已在多项仿真评测中验证效果。