EBench 技术报告：评测 GPT-6-Astra 控制机器人的能力边界

报告在 EBench 上评测 GPT-6-Astra 作为机器人控制智能体的表现，与经过后训练的 VLA 和 WAM 策略对比。直接控制模式下，该智能体在短程任务上领先，且在泛化维度上性能波动最小，但在长程任务、桌面操作和高精度接触任务上不及后训练策略。引入策略调用的 harness 模式可将整体任务成功率提升到最强后训练策略的水平，同时明显降低 token 成本。成绩仍低于各任务单模型上限，原因是策略调用不当、缺乏子目标分解，以及智能体恢复控制时干扰抓取。