RoboColiseum实测：Claude Opus 5.5与GPT-6 Astra指挥机器人几乎打平

如果让通用多模态大模型直接指挥机器人干活，谁更靠谱？RoboColiseum在10月20日前后发布的评测给出一组可对照分数：Claude Opus 5.5约76.28分居四款多模态模型之首，GPT-6 Astra约75.99分紧随其后，GPT-6.1 Sol、Gemini 4 Argon分列其后。官方总榜前两名仍是专业具身策略模型Paimon与HiDream-O1-Embodied，说明“聊天很强”不等于“操作最强”。

报告里更值得读的分层：

1. 多模态模型在指令跟随、空间理解上可超过表内部分策略模型，但通用操作维度明显落后。
2. 图像质量扰动（丢帧、遮挡、噪声）是共同弱点；Sol等在干扰下掉分尤为剧烈。
3. 消融实验：去掉执行偏差反馈或深度输入后，成功率下降、决策次数与步数上升；去掉历史记录会出现重复无效动作。
4. 真机侧：接入后可见拾取放置等能力，精细折叠等接触任务仍难；运行时延与调用费用影响实用性。
5. 平台称在已验证范围内，仿真与真机表现相关性约89.5%，成功率差异小于10%——结论限于已验证任务。

对采购与研发的启示很直接：选模型要看子榜而不是只看总分；Sol一类低成本型号适合做性价比基线；专业策略模型在接触操作上仍有护城河。需要说明的是，分数依赖固定种子与框架版本，换本体与相机仍要重测。

一句话收尾：通用大模型已经能“下场指挥”，但把毛巾叠好的那几分，仍多半写在专用策略模型名下。