跳到正文
热点事件持续更新

Artificial Analysis公布多模型机械臂任务停止时间对比

2 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

AI评测机构 Artificial Analysis 发布数据，展示多个大语言模型在控制机械臂完成任务后“何时停止”的显著差异。测试中，Claude Opus 5.5 在23分钟内完成将鳄鱼放入容器的任务并声称成功，但随后又花费22分钟反复推动鳄鱼，导致物体几乎回到原点。 该现象并非个例，仅 GPT-6.1 Sol 和 Gemini 4 Argon 能在任务完成后一分钟内停止操作。相比之下，GPT-6 Astra 在通过状态后3分钟提交，Claude Fable 5.1 继续运行了7分钟，而 Claude Opus 5.5 则整整多运行了22分钟。这表明判断何时终止动作是当前语言模型控制机器人时的主要难点之一。

AI 根据报道生成 · 1 小时前更新

最新进展11月4日 09:11
多模型任务完成耗时差异显著

事件进展

2 个进展

  1. 11月4日 09:11 · 1 篇报道
    Artificial Analysis公布多模型任务完成时间对比
    Artificial Analysis：多模型任务完成耗时差异显著
  2. 11月4日 09:11 · 1 篇报道
    Artificial Analysis发布Claude Opus 5.5机械臂控制评测
    Artificial Analysis：Claude Opus 5.5 控制机械臂难在何时停止

报道时间线

沿着报道，了解事件的不同侧面。

11月4日
  1. Artificial Analysis
    多模型任务完成耗时差异显著

    这并非 Claude Opus 5.5 独有，仅 GPT-6.1 Sol 和 Gemini 4 Argon 在完成任务后一分钟内停止。GPT-6 Astra 在通过状态后 3 分钟提交，Claude Fable 5.1 继续运行了 7 分钟，而 Claude Opus 5.5 则整整运行了 22 分钟

  2. Artificial Analysis
    Claude Opus 5.5 控制机械臂难在何时停止

    语言模型控制机械臂时，判断何时停止很难 ➤ Claude Opus 5.5 在 23 分钟内完成了任务，并声称：“鳄鱼现在看起来完全在里面了” ➤ 随后它又花了 22 分钟来回推动鳄鱼，结果几乎回到了原点

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。