整理：TopAIMap 编辑
Vals AI 发布 Robo-bench：GPT-6.1 Sol 仿真控臂/人形榜首 28.33%
Vals 用实时 MuJoCo 测前沿模型直控机械臂与人形：仅有相机与电机指令；Sol 总榜 28.33%，臂任务均 51/100，人形全员 <2/100。
Vals AI 于 2026-10-14（约 22:55 UTC / 3:55pm PT）在 X 公布 Robo-bench（页面标注 Updated 10/13）：把前沿语言模型放进各家 coding agent（Codex / Claude Code / Antigravity / Grok Build / Muse Code），在实时 MuJoCo 中控制 7-DoF Franka 臂与 29-DoF Unitree G1 人形，仅接收相机与传感器、输出电机指令，共 24 项任务（13 臂 + 11 人形，多数私有防刷榜）。官方榜：GPT-6.1 Sol 28.33%（估 API 成本约 $4.97）、GPT-6 Astra 23.33%（约 $28.48）、Claude Opus 5.5 14.58%、Wonder Full 10.42%、Claude Fable 5.1 5.83%、Gemini 4 Argon 0.83%、Grok 4.7 0.21%。臂侧 Sol 均约 51/100 并解出 4 题；人形侧无一模型均分超过 2/100。仿真从启动起实时计时，思考即耗时：Sol/Astra 平均约 75–80 秒发出首条电机指令且每局都动臂；Argon 与 Grok 4.7 多数局从未移动。与同日 AA-Robotics（真机六轴+编码 harness）形成互补：此处强调仿真低层电机控制与人形平衡。
谁能用：Robo-bench 为公开榜单/方法论文档（非消费级新产品）。榜上模型仍走各自渠道——GPT-6.1 Sol / GPT-6 Astra：OpenAI API 及 ChatGPT/Codex 对应档；Claude Opus 5.5 / Fable 5.1：Anthropic App/API/Claude Code（Free/Pro/Max/API/Enterprise）；Gemini 4 Argon：Gemini App（AI Pro/Ultra）、付费 API、Antigravity；Wonder Full：Meta Muse Code 更高订阅档；Grok 4.7：xAI/Grok 对应产品。本地复现需自备 harness 与仿真环境。 解读：语言 Agent「写控制器」已能部分搞定仿真臂，但人形平衡/行走仍接近零分；实时时钟把「慢思考」变成硬失败。讨论：① 下一阶段该优先压首令延迟，还是专训人形 loco-manipulation？② 真机 AA-Robotics 与仿真 Robo-bench，哪套更接近产线验收？ 来源：Vals AI · X @ValsAI https://www.vals.ai/benchmarks/robo_bench https://x.com/ValsAI/status/2110504836521496812
参考资料
