OpenAI 解散獨立機械人團隊，研究人員併入通用模型研究及應用部門，改押 GPT-6 Astra 等通用模型直接控制機械人。OpenAI 確認重組，並稱通用模型已顯示可應用於機械人。在 Nvidia 一項模擬測試中，Astra 控制虛擬機械人的成功率達 74.8%，據報高於排行榜上最佳專用模型的 51.0%。
OpenAI 機械人團隊幾度起落 由 Sora 路線轉向通用模型
OpenAI 早年設有機械人團隊，2020 年收縮。2024 年公司重建獨立團隊，並與初創公司 Figure 合作開發人形機械人 AI；合作在 2025 年 2 月結束，Figure 其後表示會自行開發機械人 AI。
OpenAI 表示，研究人員年初原以為發展機械人最好建基於 Sora 等影片模型，其後發現包括 GPT-6 Astra 在內的通用前沿模型可直接應用於機械人，公司稱這是解散獨立團隊的原因。機械人研究組現併入主研究團隊，向首席研究官 Mark Chen 匯報；應用機械人及硬件團隊則併入向總裁 Greg Brockman 匯報的 Applied 部門。
OpenAI 重組時亦面對控制成本的壓力。據報行政總裁 Sam Altman 去年要求公司放棄「side quests」（支線項目），公司已砍掉 Sora 等項目；OpenAI 最近一季營運虧損據報達 109 億美元（約港幣 850 億元），並正尋求完成新一輪融資及準備可能於 2027 年初上市。OpenAI 早已在奧斯汀舉行的機械人學術會議 CoRL 登記攤位，但據報攤位在會議期間空置，沒有 OpenAI 標誌、展示或示範。
Nvidia 模擬測試 GPT-6 Astra 成功率 74.8%
Nvidia 研究團隊在 RoboLab-120 模擬操作基準測試中，讓 GPT-6 Astra 透過提示指令控制虛擬環境中的機械人，模型未經機械人數據微調。在持續 Codex 工作階段中運行的 Agentic Policy，成功率達 74.8%。
據 Fortune 報道，該排行榜上最佳專用機械人模型的成功率為 51.0%，屬排行榜數字，並非 Nvidia 同場評測結果。同一 Astra 模型改用 Direct Policy，成功率則為 66.3%。
成績以外，運行成本和速度仍是實際考慮。Nvidia 報告列出，Agentic Policy 每個成功任務要用 3,090 萬 token，API 成本約 36.40 美元（約港幣 HK$284）；Direct Policy 每個成功任務約 1.96 美元（約港幣 HK$15），每次推理平均約 18.56 秒。Nvidia 自行評測的機械人基礎模型 Cosmos3-Nano-Policy 及 π0.5 成功率分別只有 36.8% 及 28.0%，但推理只需毫秒級。
學者對 OpenAI 押注通用模型看法分歧
卡內基梅隆大學機械人研究所助理教授 Guanya Shi 表示，他會把 OpenAI 的重組理解為公司認為機械人「不再是特殊問題」。不過他認為機械人仍需要能在機身電腦運行、毋須持續連接網絡的小型專用模型。
MIT 教授、Walden Robotics 聯合創辦人兼行政總裁 Russ Tedrake 則指出，機械人公司有 AI 實驗室未必具備的優勢：機械人已在工廠等真實場地累積工作經驗。另一位業界人士 Pete Florence 認為，現時未能確定哪一款現有模型會長遠主導機械人領域。
OpenAI 稱重組非撤退 目標 2027 年展示人形機械人
OpenAI 解散獨立機械人團隊，研究人員併入通用模型研究及應用部門。公司稱 GPT-6 Astra 等通用模型已顯示可直接應用於機械人；Nvidia 的模擬測試成績突出，但運行成本和速度仍是考慮，學者看法亦未一致。
OpenAI 發言人稱，機械人仍是公司長遠願景的核心部分，並把重組形容為對機械人的承諾，而非撤退。OpenAI 表示正自行研發人形機械人，Sam Altman 的目標是在 2027 年首次公開展示，並非已公布的確定日程。
通用模型在模擬環境的表現，未能證明它可以合適的速度和成本控制真實機械人。2027 年的人形機械人展示若如期舉行，或可讓外界檢驗 OpenAI 這次押注是否奏效。
