OpenAI 把独立的机器人团队拆了，研究员分进了做通用模型的团队。理由是 GPT-6 Astra 这样的通用模型已经能直接控制机器人，用不着再单独训一个机器人专用模型。
这话有数据撑着。NVIDIA 上个月测过，Astra 在模拟的抓取放置任务里，成功率比榜上最好的机器人专用模型高出二十多个百分点。可同一份报告也写着：把一盒酸奶放进碗里，它要花将近 4 分钟，其中真正动手的时间只有 5 秒。
团队拆到哪去了
消息是 Fortune 独家报出来的，OpenAI 随后确认。做机器人研究的人并入主研究团队，向首席研究官 Mark Chen 汇报；做应用机器人和硬件的人进了 Applied 部门，归总裁 Greg Brockman 管。
调整来得很急。OpenAI 本周在奥斯汀的机器人会议 CoRL 上还登记了 208 号展位，Fortune 记者过去时，展位空着，连 logo 都没挂。
OpenAI 的机器人团队以前就关过一次。2020 年关掉，2024 年重建并和人形机器人公司 Figure 合作，2025 年 2 月 Figure 宣布自研机器人 AI，合作结束。Altman 定的目标没变，还是 2027 年首次公开演示自研人形机器人。
发言人说，年初研究员还觉得该从 Sora 这类视频模型入手做机器人，后来发现 GPT-6 Astra 这样的通用模型直接就能用，这才决定拆团队。OpenAI 的说法是，这样做是为了让通用机器人来得更快，不是放弃。
NVIDIA 怎么考 Astra
NVIDIA 西雅图机器人实验室用的是 RoboLab-120，一套模拟机械臂在桌面上抓东西、摆东西的题库：把酸奶放进碗、把小玩具收拾干净之类，共 120 道，每道跑 5 次。Astra 事先没拿任何机器人数据训练过。
他们让 Astra 换三种身份上场：
- 直接调 API，看图出动作；
- 放进一个持续的 Codex 会话里干活，能翻看前面的画面和动作记录；
- 当监工，看着 NVIDIA 自家的机器人模型 Cosmos3-Nano-Policy 干活，觉得要出错就接手。
放进 Codex 的那一档做成了 74.8%，直接调用 66.3%，当监工 66.5%。榜上最好的专用模型 Lakeside 是 51.0%，Physical Intelligence 的 π0.5 只有 28.0%。
能做，但又慢又贵
慢是最大的问题。直接调用时，Astra 每想一步平均 18.56 秒，整个任务 97% 的时间都花在等它出结果上。按 Black Forest Labs 在 H200 上测的数字，π0.5 出一组动作只要 47 毫秒左右。
贵也是真的。放进 Codex 的版本，每做成一回合平均烧掉 3090 万 token，约合 36 美元；直接调用只要 16 万 token，不到 2 美元。
这些成绩还有个前提：模型思考时模拟器是暂停的，桌上的东西不会自己动。插接、组装这类精细活也不在题库里。
大模型当慢脑，小模型管手脚
CMU 机器人研究所的 Guanya Shi 对 Fortune 说，OpenAI 这么做，说明它已经把机器人当成通用智能的一个下游应用，"不再是特殊问题"。他同时提醒，大模型慢、得联网，机器人身上还得有能本地跑的小模型。
做机器人或具身 Agent 的团队，眼下更稳的分工是：通用模型负责读懂指令、发现哪一步做错，底层动作交给几十毫秒就能出结果的专用模型。按 NVIDIA 测出来的速度，让 Astra 每一步都亲自动手，还进不了真实场景。
OpenAI 赌的是大模型会越来越会干活；至于干得够不够快，这份报告给的答案是还差得远。