中国模型贴脸开大！大晓ACE-Brain-0.6六项评测超GPT-6 Astra，AGI真正来到物理世界？

GPT-6 Astra刚把“通用多模态+物理世界”的热度推高，中国团队就带着实测成绩单来了。大晓机器人分析发现，Astra相比GPT-5.5视觉空间锚定准确率显著提升，其强大具身泛化不仅依赖高级推理，更得益于空间感知与空间推理跃升；Astra通过Grounding精准识别目标物体、交互区域及空间参照，再结合几何计算确定位置、位移与运动参数，将抽象任务意图转成具体物理动作。由此，大晓把视觉空间锚定视为具身智能从高级认知迈向精准感知与可靠执行的关键突破口。
 
沿着这条路径，大晓发布ACE-Brain-0.6。继0.5探索感知、规划、行动、评估与进化统一认知闭环后，0.6进一步聚焦Grounding，以Astra为参照，通过约百万条高质量、可验证空间锚定样本，强化目标识别、空间定位与交互锚定。八项Grounding评测六项超Astra，七项国际权威公开基准平均74.53分领先Astra的73.68分，自建RobotGrounding 94.13分超91.10分；与Gemini 4 Argon、Claude Opus 5.5以及达摩院、智源等横向对比也领先。更值得看的是，大晓自主构建规模化、自动化、可验证数据管线，验证数据Scaling驱动具身基模型跃升的新路径，为打通“语言理解—空间感知—物理行动”提供支撑。
 

从“看懂世界”到“找准目标”：具身物理智能的能力进阶

近期，以GPT-6 Astra为代表的通用多模态模型，正展现出广泛的具身操作潜力；其能力不仅体现在复杂任务规划与逻辑推理，更依赖于对物理场景中物体、位置及交互区域的精准感知。通用模型正从回答世界中的问题，走向尝试对物理世界采取行动。
团队分析了GPT-6 Astra执行机器人任务的过程。在放置水果篮的案例中，模型需识别篮筐边缘与目标承载面，通过空间计算确定移动方向；在折叠T恤的案例中，则需提取衣物轮廓、估计尺寸并计算折叠距离。这揭示了一个关键事实：高级推理决定行动策略，而精准空间感知是将策略转化为物理操作的基础。
然而，即便是GPT-6 Astra，在细粒度几何定位和复杂空间关系判断方面仍存在局限。例如，寻找特定物体前方的空闲位置时，模型可能误判至相邻区域。对于文字问答，微小偏差或许无关紧要；但对于机器人，却可能直接影响抓取、放置乃至整个操作链路的可靠性。

ACE-Brain-0.6技术概览图

基于此，ACE-Brain-0.6聚焦视觉空间锚定，将物体识别、多实例定位、空间关系理解、功能区域识别及交互位置预测整合为统一的空间感知能力体系，旨在回答能否通过高质量数据的规模化，让一个9B模型在具身空间感知这一核心能力上达到甚至超越顶级通用模型。

9B模型挑战顶级通用模型：六项Grounding评测超越GPT-6 Astra

ACE-Brain-0.6给出的答案，首先体现在一系列可量化的实验结果中。团队在八项Grounding评测上，对ACE-Brain-0.6与GPT-6 Astra、Claude Opus 5.5及多款开源具身模型进行了统一评估；测试覆盖目标指代、视觉计数、空间定位、物体功能理解与交互区域预测等不同能力维度。

实验显示，ACE-Brain-0.6在八项Grounding评测中，有六项成绩超越OpenAI GPT-6 Astra，包括Where2Place（76.55 vs. 71.10）、PixMo-Count（89.41 vs. 88.10）、RoboSpatial（74.82 vs. 69.55）、RoboAfford（88.51 vs. 84.94）、ShareRobot（49.70 vs. 46.60）以及RobotGrounding（94.13 vs. 91.10）。其中，在七项公开基准测试中，ACE-Brain-0.6以74.53分的综合成绩领先GPT-6 Astra的73.68分，展现出其在具身空间理解、目标定位与交互区域识别等任务上的竞争力。ACE-Brain-0.6在八项Grounding评测中的六项超过GPT-6 Astra

同时，ACE-Brain-0.6还在与Google Gemini 4 Argon、Anthropic Claude Opus 5.5，以及阿里巴巴达摩院、北京智源研究院等国内外代表性模型的对比中展现出领先优势，进一步验证了9B级模型通过高质量空间监督数据实现专项能力突破的技术潜力。
这些成绩背后，反映出ACE-Brain-0.6在多种具身感知任务上的进步。它不仅能够根据语言描述识别目标物体，还需要理解“哪里能够放置”“应该抓住哪个部位”“哪些物体满足指定条件”等更具操作意义的问题。尤其在物体功能区域和空间可供性（Affordance）相关评测中，模型展现出较强的细粒度定位表现。
为了进一步检验模型对真实机器人场景的适应能力，团队还构建了RobotGrounding评测集，包含2591道问题，覆盖14类任务，包括目标定位、小物体识别、多实例计数、目标缺失判断及跨相机视角对应等。ACE-Brain-0.6取得94.13分，领先GPT-6 Astra约3.03分，也高于参与比较的其他模型。
尤其值得关注的是，模型对“不存在的目标”的识别能力显著提升。当用户要求机器人寻找场景中并不存在的物品时，模型需要准确判断目标缺失，而不是生成一个看似合理却实际错误的位置。在真实操作中，这种能力同样重要：机器人不仅要知道该对什么行动，也要知道什么时候不应贸然行动。
上述结果不仅展现了ACE-Brain-0.6在空间锚定基准上的领先表现，更揭示了具身智能基础能力演进的重要方向：在直接决定物理操作精度与可靠性的关键感知环节，通过高质量数据驱动与针对性能力强化，9B级模型同样能够突破参数规模限制，形成比肩甚至超越顶级通用模型的专业能力，为构建高效、精准、可泛化的具身智能系统开辟新路径。

百万条训练样本：让机器人数据真正转化为具身感知能力

ACE-Brain-0.6的另一项核心贡献，是建立了一套面向具身空间理解的统一数据构建流程。不同于互联网图文数据，机器人交互数据虽包含连续视觉观测、动作轨迹与任务指令，却缺乏细粒度的物体位置、功能区域和空间关系标注。机器人记录了大量“做过什么”，模型却未必理解“为什么选择这个目标”“动作应该发生在哪里”。为此，大晓机器人整合了30余个开源机器人数据家族和私有Ego数据，融合人类第一视角交互、物体与部件密集标注及三维空间数据，将异构数据统一转化为可验证的空间锚定监督信号。ACE-Brain-0.6的机器人运动轨迹的自动化空间标注

针对机器人操作视频，系统依据夹爪状态与动作幅度筛选关键帧，自动构建场景物体词表，并结合Grounding DINO、SAM 3等视觉工具完成物体定位、区域识别和语义校正，进一步生成目标指代、计数、空间关系、交互位置及目标不存在判断等多类型问答数据。
关键不只是数据规模，更在于每个训练答案都具有明确、可核验的视觉依据。例如，只有物体实例标注完整时，才生成目标计数问题；对于目标不存在的提问，则需验证其确实未出现在画面中。同时，通过标注校验、答案均衡及评测数据排除等机制，减少错误监督与训练捷径的干扰。
最终，团队构建了约百万条训练样本，涉及约94万张不同图像和270万组问答对。模型基于Qwen3.5-9B，冻结视觉编码器，对语言模型参数进行监督微调，并通过统一接口完成空间坐标、目标区域、计数及判断结果的预测。由此，原本记录操作过程的数据，进一步转化为模型可学习的空间知识。从“记录物理交互”到“理解交互对象与位置”，数据正成为连接机器人经验与具身基模型能力的重要桥梁。

数据规模化的价值：从堆积样本走向扩展能力边界

更值得关注的是，ACE-Brain-0.6通过受控实验，进一步揭示了空间锚定能力随数据规模增长的变化规律。在保持模型架构与训练方法不变的条件下，团队将训练数据从26万条逐步扩展至百万条，七项公开评测的平均得分由69.3分提升至74.5分，呈现近似对数线性的增长趋势。训练数据规模每翻倍，综合得分平均提升约2.4分，最终超越GPT-6 Astra。 但研究也发现，单纯增加已有数据类型的样本，性能提升不足1分；真正驱动能力增长的，是持续引入新场景、新空间关系及多样化监督形式，拓展模型的空间理解边界。
这一发现揭示了具身智能能力进化的重要路径：面对物理世界中复杂多变的物体、视角与交互需求，模型需要的不只是更多数据，更是覆盖广泛、信息丰富且可验证的空间知识。ACE-Brain-0.6证明，通过持续拓展数据覆盖与监督维度，即使模型架构与参数规模保持不变，也能推动空间感知能力持续进化。 这进一步凸显了高质量数据、信息密度与自动化数据构建体系在具身基础模型规模化发展中的核心价值。

从空间锚定到物理智能：让每一次推理都找到现实落点

ACE-Brain-0.6揭示了具身物理智能发展的重要方向：空间锚定不仅要回答“目标在哪里”，更要理解“这个位置为什么能够支持行动”。 从视觉坐标到空间约束，从物体定位到交互可行性，模型需要持续吸收更丰富的物理监督信号，推动空间感知从精准识别迈向行动理解。
作为连接高级任务推理与底层物理执行的关键环节，空间锚定是机器人实现自主操作的重要能力基础。无论是零售分拣、物流操作还是服务机器人，精准识别目标、定位抓取区域与理解放置空间，都是实现可靠执行的前提。这也与大晓机器人坚持的数据、模型与真实场景协同研发方向高度契合，持续推动物理信息向模型能力转化。
此次ACE-Brain-0.6以9B级模型在6项Grounding评测中超越GPT-6 Astra，验证了高质量Grounding数据规模化的技术潜力。 从看见世界到找准目标，从理解指令到锚定行动，大晓机器人正持续推动模型认知与真实物理世界精准连接，加速具身智能从抽象理解走向可靠、可执行的物理智能。