GPT-6 Astra 機械手臂實測：抓放 95%、精準插件 10%，離工廠還多遠｜AIRUN
GPT-6 Astra 機械手臂實測：抓放成功 95%，精準插件只有 10%
結論先講：GPT-6 Astra 能操作機械手臂做簡單抓放，第三方實測 20 次成功 19 次；但需要精準對位的插件任務 20 次只成功 2 次，離工廠任務還很遠。
事件時間先釐清。OpenAI 在 2026 年 9 月 4 日推出 GPT-6 Astra（見 OpenRouter 模型頁）。第三方評測站 Robocurve 的 Astra 接上機械手臂的實測報告，頁面標註日期同為 2026 年 9 月 4 日，報告內嵌圖表的產出時間戳也是同一天；本文以此作為「發布日」的依據。本文發稿日是 9 月 6 日，資料以這兩份來源為準，來源沒講的一律寫「官方未公布」。
GPT-6 Astra 真的能操作機械手臂做工廠任務嗎？
能做桌面級的簡單抓放，做不到需要精準對位的組裝。Robocurve 的實測只有兩個任務：把紅色積木放進碗裡、把圓形拼圖片插進對應的圓槽。前者 Astra 完成 19/20，後者只完成 2/20（來源）。這兩個任務都不是工廠任務，任何人把這份報告說成「AI 已經能上產線」，都是誇大。
先解釋一個術語。「實體 AI（physical AI）」指的是把語言模型接上感測器與致動器，讓模型輸出的指令直接變成馬達動作，而非只輸出文字。Robocurve 這次的做法，是用同一套 Inspect Robots 代理策略（agent policy，即模型觀察、決策、下指令的固定流程）把 Astra 接到 YAM 機械手臂上，並沿用先前測 Claude Fable 5 與 Fable 5.1 的相同任務與相同評分尺（來源）。
要注意的是，這是第三方實驗，並非 OpenAI 的產品功能。OpenRouter 上的官方模型描述寫的是「進階分析、軟體工程、深度研究、科學工作、文件產出」與「電腦與瀏覽器操作的長程代理任務」，完全沒有提到機器人或實體控制（來源）。OpenAI 的官方發布頁也是本篇連結的來源之一，但關於機械手臂支援，官方未公布任何內容。
Robocurve 測了什麼、怎麼評分？
兩個任務、三個模型、每格 20 次、總共 120 次，每次由真人評審依 0 到 4 分的階段給分（來源）。這種計分方式的好處是失敗的那次也留下「走到哪一步」的紀錄，而非只看成功與否。
五個階段的白話版是：0 分沒有明確靠近物件、1 分碰到物件、2 分把物件抬離桌面、3 分移到放置點上方、4 分放到最終位置。Robocurve 註明這套尺度與先前測 Fable 的報告完全相同，所以三個模型的數字可以直接比。
任務一「積木入碗」是抓放：抓一塊紅色積木，放進碗裡。任務二「拼圖入槽」是插件：捏住圓形拼圖片中央的旋鈕，插進板子上對應的圓槽。第二個任務難在最後一步的對位，這正是三個模型全部卡住的地方。
Astra、Fable 5.1、Fable 5 在機械手臂上的數字差多少？
抓放任務 Astra 大幅領先，插件任務三個模型一起卡在最後一步。下表整理自 Robocurve 結果表，成本是依各家牌價估算的每次執行費用（美元）。
| 任務 | 模型 | 完成次數 | 平均階段（0–4） | 每次輸出 token | 估算每次成本（美元） | 每次分鐘數 |
|---|---|---|---|---|---|---|
| 積木入碗 | GPT-6 Astra | 19/20（95%） | 3.95 | 2.1k | 0.94 | 2.5 |
| 積木入碗 | Fable 5.1 | 8/20（40%） | 2.40 | 12.9k | 2.12 | 6.8 |
| 積木入碗 | Fable 5 | 1/20（5%） | 1.30 | 19.2k | 2.69 | 8.2 |
| 拼圖入槽 | GPT-6 Astra | 2/20（10%） | 2.00 | 2.7k | 1.36 | 3.4 |
| 拼圖入槽 | Fable 5.1 | 2/20（10%） | 2.35 | 10.5k | 2.18 | 5.9 |
| 拼圖入槽 | Fable 5 | 0/20（0%） | 1.50 | 16.3k | 2.63 | 7.9 |
抓放任務上，Astra 的完成率是 Fable 5.1 的 2.4 倍，每次成本約為 2.3 分之一，時間也從 6.8 分鐘縮到 2.5 分鐘（來源）。token 用量是關鍵：Astra 每次只輸出約 2.1k token，Fable 5.1 要 12.9k，這直接反映在成本與時間上。
插件任務要看細節。Astra 與 Fable 5.1 完成次數相同，都是 2/20，但 Astra 的平均階段 2.00 反而低於 Fable 5.1 的 2.35。也就是說，在失敗的那 18 次裡，Astra 平均走得比 Fable 5.1 更短。Robocurve 只說 Astra「到達溝槽後在與 Fable 相同的最後一步停住」，沒有解釋原因，這裡也不猜。
為什麼精準插件會卡住？
來源只給了現象，沒給原因：三個模型都在拼圖片對準圓槽的最後一步停住。這一步需要的是毫米級的位置修正，與抓放任務「大致放進碗裡就算成功」的容錯完全不同。
從 Robocurve 的階段分布可以看出差異。積木入碗任務中，Astra 有 19 次到達第 4 階段，剩下 1 次停在第 3 階段；拼圖入槽任務中，Astra 的 20 次分散在各階段，只有 2 次到 4（來源）。同一個模型、同一套手臂、同一套代理流程，容錯要求一變，成功率就從 95% 掉到 10%。
這個落差就是老闆該記住的重點。語言模型加機械手臂，目前擅長的是「拿起來、放過去」這類寬鬆任務；碰到組裝、插件、鎖固這類需要精準對位的工序，實測數據沒有任何一個模型過關。
GPT-6 Astra 的價格與規格是多少？
標準牌價是每百萬輸入 token 10 美元、每百萬輸出 token 50 美元，上下文長度 1M token（約 100 萬），最大輸出長度官方未公布（來源）。發布日期為 2026 年 9 月 4 日。
OpenRouter 頁面列出多個供應商與價位，以下僅列部分：OpenAI Flex 每百萬 5/25 美元、OpenAI 標準 10/50 美元、OpenAI Fast 20/100 美元、Azure 10/50 美元。這四家的快取讀取每百萬從 0.5 到 2 美元不等：Flex 0.5 美元、標準 1 美元、Fast 2 美元、Azure 1 美元。同頁另有 Azure (US) 等供應商，Azure (US) 為每百萬 11/55 美元，完整報價以 OpenRouter 原頁為準。同一頁列出 GPQA Diamond 得分 94.6%，這是研究生程度的科學問答題庫，屬於一般能力指標，與機械手臂表現無直接關聯。
換算回 Robocurve 的數字：一次抓放約 0.94 美元、一次插件嘗試約 1.36 美元。這是實驗室裡每次執行都由雲端模型即時決策的成本，若要放進產線一天跑上千次，光模型費就是一筆要先算清楚的帳。
這對台灣中小企業意味著什麼？
三個判斷，直接給。
第一，短期內不要為「AI 直接控制手臂」改任何採購決策。 很快會有整合商拿這份報告當簡報第一頁。你要看的是驗收數字：對方能不能在你的工件、你的治具上，用你的容錯標準跑出 20 次以上的完成率。連桌面拼圖都只有 10%，工廠級的插件與鎖固更沒有數據。
第二，先算每次決策的雲端成本，再談節省工程師。 目前每次執行 0.94 到 1.36 美元，時間 2.5 到 3.4 分鐘，這是一顆積木的價格與速度。傳統寫死的控制邏輯每次執行成本趨近於零、時間以秒計。語言模型的優勢在於不用逐行寫邏輯就能處理沒見過的情境，這個優勢只在「工件常變、產量不高、容錯寬鬆」的場景才算得過來，例如小批量的物料搬運或分揀。
第三，責任歸屬要在導入前寫進合約，而非事後補。 模型的每次動作都是即時推論，同一個指令不保證每次動作相同，Robocurve 的 20 次試驗裡就有分布差異。誰負責安全驗證、誰負責誤動作損失、模型更新後要不要重新驗收，這些問題會比技術成熟更早逼到現場。現在就把「每次執行有完整紀錄與影片」列為必要條件，Robocurve 做到了每一次都有逐字稿與影片可查，供應商沒理由做不到。
寫 AI 新知這條線，我們的立場一向是先把數字攤開再下判斷。這篇的判斷是：GPT-6 Astra 在實體操作上確實比前一代模型進步很大，但進步的是簡單抓放的成功率與成本，離「操作層不需要工程師」還差一整個精準對位的門檻。這個門檻什麼時候過，來源沒有給任何時程，我們也不替它猜。
如果你的公司正在評估把 AI 放進營運流程，先從資料與流程層開始，實體致動這一段等驗收數據到位再說。想知道你的品牌在 ChatGPT、Perplexity 這些 AI 引擎裡目前被推薦到什麼程度，可以到 AIRUN 的 AEO 服務頁 做一次體檢。
常見問題
GPT-6 Astra 真的能操作機械手臂做工廠任務嗎？
能做桌面級的簡單抓放，做不到精準對位。Robocurve 2026 年 9 月 4 日的第三方實測中，Astra 把積木放進碗裡的完成率是 19/20，把拼圖片插進圓槽只有 2/20。兩個任務都不是工廠任務，目前沒有任何數據支持它能上產線。
OpenAI 官方有宣布 GPT-6 Astra 支援機器人控制嗎？
沒有。OpenRouter 上的官方模型描述只提到進階分析、軟體工程、深度研究與電腦、瀏覽器操作，關於機械手臂或實體控制，官方未公布任何內容。機械手臂的測試是第三方評測站 Robocurve 用自己的手臂與代理流程做的實驗。
GPT-6 Astra 跟 Claude Fable 5.1 在機械手臂上誰比較強？
抓放任務 Astra 明顯領先，完成率 95% 對 40%，每次成本 0.94 美元對 2.12 美元，時間 2.5 分鐘對 6.8 分鐘。插件任務兩者都只完成 2/20，Astra 的平均階段分數 2.00 還略低於 Fable 5.1 的 2.35，兩者都卡在最後對位那一步。
用 GPT-6 Astra 控制機械手臂一次要花多少錢？
依 Robocurve 用牌價估算，一次抓放約 0.94 美元、一次插件嘗試約 1.36 美元。模型本身的標準牌價是每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。這是實驗室每次由雲端模型即時決策的成本，產線大量執行前要先算清楚。
台灣中小企業現在該為實體 AI 改變自動化採購嗎？
不該。目前的實測只證明簡單抓放可行，精準插件三個模型全部失敗。評估任何整合商提案時，要求對方在你的工件與容錯標準下跑出 20 次以上的完成率、每次執行留完整紀錄與影片，並在合約寫清楚誤動作責任與模型更新後的重新驗收。
AIRUN 對抗式創業體檢 AgentFlow Solutions（双云行銷試運行）