ეს სატესტო კვლევაა და არა მზა პროდუქტი, თუმცა ჩატბოტების ფიზიკურ სამყაროში გადასვლას მკაფიოდ აჩვენებს.
ჩატბოტი, რომელსაც წერილების დასაწერად იყენებთ, ახლა ნამდვილ რკინის მკლავს მართავს, სასმელს ჭიქაში ასხამს და კუბიკებს ალაგებს. დამოუკიდებელმა კვლევითმა ჯგუფმა Artificial Analysis-მა 14 ოქტომბერს ახალი სატესტო გარემო AA-Robotics v0.1 წარადგინა. მათ მოწინავე ენობრივ მოდელებს, დავალებების წინასწარი სწავლების გარეშე, მაგიდის 6-ღერძიანი რობოტის მკლავის მართვა ჩააბარეს. შედეგებს სათავეში OpenAI-ის მოდელი GPT-6 Astra ჩაუდგა, რომელმაც 100-დან 69.4 ქულა დააგროვა. Artificial Analysis-ის მონაცემებით, გამარჯვებულ მოდელს ერთი მარტივი დავალების შესასრულებლად საშუალოდ 30 წუთი და 16.36 დოლარი დასჭირდა.
ტესტირების სისტემა ასე მუშაობს: ყოველი მოდელი პროგრამირების გარემოში ზის და Hiwonder NexArm-ის მკლავს (ხუთი სახსარი და ერთი მომჭერი) მარტივი HTTP API-ით მართავს. გარემოს ოთხი კამერა აკვირდება: სამი მაგიდის გარშემო და ერთიც უშუალოდ რობოტის მაჯაზე. მოდელებს რვა ყოველდღიური ამოცანა მისცეს, მათ შორის: წითელ ღილაკზე თითის დაჭერა, ნიანგის ფიგურის მართკუთხედში ჩასმა, სასმლის ჭიქაში ჩასხმა, მარკერით წარწერის გაკეთება და ყუთის ზომის 2 მილიმეტრის სიზუსტით გაზომვა.
ნელი ნაბიჯები და ძვირი წუთები
ყველა მოდელმა სრულად შეასრულა ღილაკზე დაჭერისა და ნიანგის გადაადგილების ამოცანები, მაგრამ სიზუსტის მოთხოვნამ ისინი შეაფერხა. ყუთის მილიმეტრებში გაზომვა ყველაზე რთული აღმოჩნდა: GPT-6 Astra-მ და Gemini 4 Argon-მა აქ ნულოვანი ქულა მიიღეს, GPT-6.1 Sol-მა და Claude Opus 5.5-მა კი: მხოლოდ 17-17 ქულა. სასმლის ჩასხმისას GPT-6 Astra-მ და Gemini 4 Argon-მა უმაღლესი, 100 ქულა აიღეს, თუმცა GPT-6.1 Sol-მა ვერაფერი ჩაასხა.
შედეგები აჩვენებს, რომ ტექსტური მოდელები რეალურ მკლავს სპეციალური რობოტული წვრთნის გარეშეც ამოძრავებენ, მაგრამ სამუშაოდ ჯერ ზედმეტად ნელები არიან. Artificial Analysis-ის გათვლით, მოდელები ადამიანზე დაახლოებით 100-ჯერ ნელა მოქმედებენ, რადგან ადამიანი ამ ამოცანას საშუალოდ 20 წამს ანდომებს. Gemini 4 Argon-ს საშუალოდ 52 წუთი დასჭირდა და პირველ მოძრაობამდე ხშირად 21 წუთი ფიქრობდა.
ყველაზე იაფმა მოდელმა, GPT-6.1 Sol-მა, ერთი დავალება 1.93 დოლარად შეასრულა. ეს მაინც 10-ჯერ აღემატება აშშ-ის კერძო სექტორის საათობრივ ანაზღაურებას (37.81 დოლარი). ხარჯის 70 პროცენტი მოდელისთვის ინფორმაციის მიწოდებაზე მოდის, რადგან ყოველ ნაბიჯზე მთლიანი კონტექსტის თავიდან გაგზავნაა საჭირო. წარმოებისთვის ეს ჯერ ძვირი და ნელია, თუმცა Artificial Analysis-ი ელის, რომ ეს სხვაობა სწრაფად შემცირდება.
| ტესტის სახელი | AA-Robotics v0.1 |
| რობოტის აპარატურა | Hiwonder NexArm (6-ღერძიანი, 5 სახსარი + მომჭერი) |
| კამერების რაოდენობა | 4 (3 მაგიდის გარშემო, 1 მაჯაზე) |
| GPT-6 Astra ქულა და დრო | 69.4 ქულა | ~30 წთ | $16.36 დავალებაზე |
| GPT-6.1 Sol ქულა და ფასი | 64.6 ქულა | $1.93 დავალებაზე |
| Gemini 4 Argon ქულა და დრო | 55.3 ქულა | ~52 წთ |
| Claude Opus 5.5 ქულა | 48.8 ქულა |
| Claude Fable 5.1 ქულა | 46.3 ქულა |
ფოტო: Artificial Analysis
წყარო: Artificial Analysis
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.
