大家好，我是talk君。 11 月 3 日，OpenAI 发了一篇技术博文。同一天，网上开始流传一批图：鹈鹕骑着自行车，脚踩在脚蹬上，车轮贴着地；一小杯液体倒下去，溅起来的形状跟着方向走；还有几段看着像游戏录屏的画面，光打在金属上，反射的角度是对的。 发图的人说这是 GPT-6.2 Astra 的灰测结果，直接把全网的期待值拉满，但具体还要等OpenAI 的回应。 和你有什么关系 你大概觉得，AI 画得准不准，跟我没什么关系。我也不做设计，不造机器人。 那换个问法：你家的机器人什么时候能真干活、你买的手机什么时候能真便宜、你上班那家工厂什么时候能少雇一半人，这三件事的时间表，都压在同一件事上：AI 到底懂不懂物理世界。 1 先把这三件事分开，别被热搜糊住 热搜上的说法是 「GPT-6.2 来了，工程分从 0.594 涨到 0.875」 。这里面混了三件事，得掰开。 第一件，是那些视频和图，真实性没法确认 。发布者是自己拿到灰测权限的人，OpenAI 没有背书。有人把图放大三遍找破绽，也有人怀疑是拿游戏录屏糊弄。这些画面看着确实不像过去那种「一眼 AI」，但看着像，不等于它懂了。 第二件，是那台硬件，这个是官方说的 。OpenAI 博文里写，两名工程师用了不到一周，让 GPT-6 Astra 把一款便携 AI 设备从外壳、内部机械件、PCB 电路板一直到固件软件全做出来，过程中没手工改过模型生成的设计。之后代工厂花不到一个月，做出了一小批实物原型。 做这件事的是 GPT-6 Astra，不是传闻里的 6.2。 第三件，才是真正该盯的那个数 。在 BenchCAD 2.0 这个基准上，OpenAI 拿 一个没公布名字的内部模型 ，和自家的 GPT-6 Astra 摆在同一张表里。Astra 一路把推理算力推到最高档，得分停在 0.594； 那个内部模型，0.875 。 2 0.875 这个数，为什么值得停一下 一个叫BenchCAD 2.0的测试，给模型一堆真实的三维机械零件和装配体，要它把几何结构重建出来；再给一块电路板，要它理清器件之间怎么连。这类活有个特点：改一个孔位，下游一串配合尺寸全得跟着动，差几毫米，到车间就是废品。 所以它考的不是「画得像不像」，是「知不知道这东西是怎么装起来的」 。 那组测试数据里最容易漏掉的一层是：那个内部模型从最低档位起手就是 0.758。Astra 把算力顶到极限才 0.594。它用最省的那一档，就超过了上一代的满血版，单题成本还更低，往上加算力才到 0.875。 涨了 28.1 个百分点，提升 47.3%。这不只是数量级的碾压，一档起步就压过了上一代的天花板。 有个细节得说清楚，OpenAI 没有公布这个内部模型叫什么，也没说它就是传闻里的 6.2。 但，你觉得呢 ？ 3 但它还不会什么，官方自己说了 博文里有一段话，克制，也不太好听：把设计变成能生产的东西，还需要多轮人工审查和迭代。GPT-6 Astra 还做不到稳定地把生产工艺的限制、制造环节的公差、装配时的各种细节都考虑进去。 「懂物理」和「能制造」之间，还隔着一整个车间 。模型能告诉你这个零件长什么样、和旁边那个怎么配合，但它不知道你们厂那台老机床的公差是正多少负多少、这批铝材回弹多少。这些不在数据里，在车间里。 宇树科技的王兴兴把这个缺口说得很准。10 月 22 日的生态大会上，他讲 「随着 GPT-6 发布，物理 AI 已经看到被击穿的苗头」 。到了 11 月的乌镇峰会，他把话说得更具体：最大的坎是 「最后几毫米」 ，模型输出和真实机器人的接触、触觉还没对上，拆手机、穿针引线这种活，一碰上去，力度和形变就很难控住。 他自己给了一个能量化的标准：明年大概率是临界点。临界点的样子，是机器人能进 80% 的陌生场景，光听一句人话，就把 80% 的活干完。 4 所以现在到底走到了哪一步 把这几件事排在一起看，位置就清楚了。 AI 已经能读懂工程语言了 ：给它图纸，它能还原；给它需求，它能出整机方案。这是这一轮真正的新东西，比「画得真」重要得多。过去几年大模型出风头的地方都在软任务上，写文案、改代码、做翻译，错了能撤销。工程不一样，一个尺寸错了就是开模报废。 但 AI 还没拿到车间 。工艺、公差、装配、手感，这些要靠真实产线上的数据喂出来。宇树自己做了个模型，6B 参数，约 2500 小时真机数据，覆盖 64 项任务，在部分空间理解任务上已经超过 GPT-6 Astra。可王兴兴自己也说，这一行现在数据的利用率都不高，宇树也不例外，攒下来的东西大量还搁着没用。2500 小时放在行业千万小时级的缺口面前，只是零头。 还有一个数，比上面这些都更能说明问题：OpenAI 说，从今年 2 月到现在，它硬件团队用模型消耗的 Token 涨了 23