编辑精选 · VistrendAI · 2026/10/21 22:35

Embodied First Exam 基准测试：主流代码智能体的物理世界表现

[具身智能] Agent的物理世界首考

Embodied First Exam 将 Codex、Claude Code 等代码智能体接入 1090 道机器人任务基准，任务覆盖 31 套基准、44 种机器人，包括单臂、人形、四足和灵巧手。核心集 449 道题中，GPT-6 Astra 解题率为 33%，Claude Opus 5.5 为 22%，Gemini 4 Argon 为 18%。该测试在独立沙盒中判分，并设置零分对照和作弊检测。

精选理由：首次把主流代码智能体接入标准化物理机器人任务基准，读者可直接比较不同模型在具身操作上的解题率差异。