同样操控机械臂，Astra 比 Fable 5.1 更稳也更省 token
Robocurve 发布了一组对照实验：在相同的智能体策略下，让 OpenAI 的 GPT-6 Astra 与 Anthropic 的 Claude Fable 5.1 操控一对 YAM 机械臂。在交错盲测的「积木放进碗」任务里，Astra 完成 19/20，Fable 5.1 为 8/20，且 Astra 的输出 token 大约少 80%；更难的拼图任务上，两边都是 2/20。
这不是又一篇纸面基准，而是把前沿模型放进同一套视觉—动作闭环里比操控质量与 token 效率。积木任务的落差说明「更强的通用模型」在具身控制上可以立刻兑现；拼图任务的双低分则提醒：长程精细操作仍远未解决。
对智能体产品来说，关键信号有两层：一是旗舰模型在真实机器人策略里已经拉开可用差距；二是更少 token 完成更高成功率，直接改写机械臂智能体的单位任务成本。