AA-Robotics: gli LLM muovono un braccio robotico vero

• Artificial Analysis lancia AA-Robotics v0.1, un benchmark in anteprima che mette alla prova i modelli frontier nel mondo fisico: capire la scena, pianificare e agire.
• Ogni modello guida senza esempi un braccio robotico reale a 6 assi (Hiwonder NexArm) dal suo coding agent, tramite una semplice API HTTP e 4 telecamere. GPT gira in Codex, Claude in Claude Code.
• 8 compiti sul tavolo: premere un pulsante, versare da bere, mettere in ordine dei blocchi, costruire una torre, scrivere "hello world", misurare una scatola e altri. Punteggio da 0 a 100, con punti anche per il lavoro a metà.
• Classifica: GPT-6 Astra 69,4, GPT-6.1 Sol 64,6, Gemini 4 Argon 55,3, Claude Opus 5.5 48,8, Claude Fable 5.1 46,3.
• Siamo ancora lontani: circa 30 minuti a compito contro i 20 secondi di una persona, quindi 100 volte più lenti. Si va da $1,93 a compito con Sol fino a $16,36 con Astra. Artificial Analysis però si aspetta progressi rapidi.

Fonti

• Articolo e classifica
• Post su X