新出的一个具身智能测评榜单挺扎眼：人类拿满分 100，目前最强的模型只考了 12.8，这差距看得人有点乐。写了这么多年代码，越发觉得让机器"动手"比让它"动嘴"难太多了。
语言模型这两年被吹上天，可一旦落到真实物理世界——抓个东西、开个门、判断一下空间关系，立马原形毕露。
这类硬核 benchmark 挺好，能把牛皮吹破，让大家知道具身这块离真能用还有多远。分数低不丢人，起码方向是诚实的。
12.8这分数太顶了 
动嘴容易动手难，精辟
动手难这条太真，模型写代码一套一套，让它拧个螺丝立马露馅
新出的一个具身智能测评榜单挺扎眼：人类拿满分 100，目前最强的模型只考了 12.8，这差距看得人有点乐。写了这么多年代码，越发觉得让机器"动手"比让它"动嘴"难太多了。
语言模型这两年被吹上天，可一旦落到真实物理世界——抓个东西、开个门、判断一下空间关系，立马原形毕露。
这类硬核 benchmark 挺好，能把牛皮吹破，让大家知道具身这块离真能用还有多远。分数低不丢人，起码方向是诚实的。
12.8这分数太顶了
动嘴容易动手难，精辟
动手难这条太真，模型写代码一套一套，让它拧个螺丝立马露馅