「GPT-6 Astra 控制机械臂成功率 95%」是真的，但它只是那张表的第一行。

独立评测方 RoboCurve 9 月 4 日公开的同一批 120 次实验里：把积木放进碗，Astra 19/20，Fable 5.1 8/20；把拼图块插进凹槽，Astra 2/20，Fable 5.1 也是 2/20。每格只有 20 次，难题上看不出谁更强。

真正的差距在 token：每次尝试 2,100 对 12,900，成本 $0.94 对 $2.12。

但别读成「通用模型取代专用模型」。RoboCurve 自己的排行榜上，专用模型 Dream-1 是 59.3% / $0.15，Astra (high) 是 42.5% / $3.48。

敢把 10% 和 95% 放进同一张表的评测，才值得信。