Artificial Analysis 发布具身智能基准 AA-Robotics v0.1，用八项具身操作任务评测前沿模型。每次尝试满分 100 分：完成任务得满分，只取得部分进展则按进度计分。 评测环境为 GPT 系列模型在 Codex 中运行、Claude 系列模型在 Claude Code 中运行、Gemini 4 Argon 在 Antigravity 中运行，均采用 high effort 设置。
AI 根据报道生成 · 2 小时前更新
沿着报道，了解事件的不同侧面。
Artificial Analysis 推出 AA-Robotics v0.1，用八项具身操作任务评测前沿模型，每题满分 100 分，按完成度和部分进展计分。
还没有足够的连续观测数据，暂不绘制趋势。