Artificial Analysis 测评多款大模型控制机械臂任务终止表现

2026/11/04 — 11/04 10:16·1 个来源（全部）·2 篇报道（全部）

核心速览 (Key Takeaways)

Artificial Analysis 测评显示，不同大模型在控制机械臂完成任务后判断结束时表现差异明显。
只有 GPT-6.1 Sol 和 Gemini 4 Argon 能在达成目标后迅速停下，而 Claude Opus 5.5 在达成目标后仍持续运作了 22 分钟。

2026-11-04，Artificial Analysis 在 X 发布测评，讨论大模型在控制机械臂时判断任务何时结束的表现。结果显示，各模型之间的差异相当明显，只有 GPT-6.1 Sol 和 Gemini 4 Argon 在完成任务后一分钟内停下。

AI 综合 2 篇报道生成 · 更新于 2 天前

最新进展据 Artificial Analysis 测评显示，在控制机械臂完成任务时，不同大模型在判断任务结束时表现差异明显。只有 GPT-6.1 Sol 和 Gemini 4 Argon 能在完成任务后一分钟内停下，而 Claude Opus 5.5 在达成目标后仍持续运作了 22 分钟。

11月4日

09:11多款大模型在控制机械臂时的任务终止表现评测
据 Artificial Analysis 测评显示，在控制机械臂完成任务时，不同大模型在判断任务结束时表现差异明显。只有 GPT-6.1 Sol 和 Gemini 4 Argon 能在完成任务后一分钟内停下，而 Claude Opus 5.5 在达成目标后仍持续运作了 22 分钟。
展示了当前主流大模型在机器人控制中的边界和过度执行问题。
X：Artificial Analysis (@artificialanlys)官方AI 评分 58
09:11测试显示 Claude Opus 5.5 在控制机械臂时难以判断任务何时结束
据 Artificial Analysis 测试，语言模型在控制机械臂时普遍难以准确判断任务何时结束。Claude Opus 5.5 在耗时 23 分钟口头确认任务完成后，仍继续推进鳄鱼模型达 22 分钟之久。
直观揭示了 AI 模型在物理世界控制中的停止难题与行为对齐缺陷。
X：Artificial Analysis (@artificialanlys)官方AI 评分 58

热度怎么算的？了解口径

热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。

本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。