По сообщениям о реорганизации, OpenAI распределяет специалистов по робототехнике между основным исследовательским подразделением и прикладными командами. Это описывается не как отказ от роботов, а как попытка ускорить работу над ними. Предполагается, что универсальные модели вроде GPT-6 Astra смогут управлять роботами без отдельной специализированной модели. Но испытания пока не доказывают, что такая замена подходит для любых задач.
Куда переходят специалисты
Исследователи робототехники переходят в основную исследовательскую команду под руководством директора по исследованиям Марка Чена. Команды прикладной робототехники и аппаратного обеспечения присоединяются к прикладному подразделению Грега Брокмана. Речь идёт о перераспределении сотрудников внутри OpenAI, а не о сообщении об их увольнении.
Согласно имеющимся сведениям, в компании считают, что универсальные модели могут напрямую управлять роботами и тем самым уменьшить потребность в отдельных моделях для робототехники. Это предполагаемый подход OpenAI, а не установленный вывод о ненужности специализированного ИИ.
Что получилось у GPT-6 Astra в испытаниях
В исследовании Nvidia ИИ-агент на базе Astra успешно выполнил 74,8% задач против 51% у лучших специализированных моделей. Существенная оговорка: это были задания с виртуальным роботом DROID в симуляции, а не испытания физического устройства. Переносить эти проценты на работу настоящего робота нельзя.
Другая проверка, StationeryBench, включала пять задач с предметами на столе и двухрукие роботизированные манипуляторы YAM. Всего провели 200 испытаний. Astra полностью справилась с 7 из 100 заданий, а модель MolmoAct2 от Ai2 — ни с одним. Средняя оценка прогресса составила 46 у Astra и 12 у MolmoAct2. Эта оценка отражает продвижение к цели, а не долю полностью выполненных заданий.
Иными словами, преимущество в сравнении ещё не означает высокой надёжности: в этой проверке Astra завершила лишь небольшую часть заданий. Результаты симуляции и настольных испытаний нельзя складывать в одну общую оценку — условия и способы измерения различаются.
Почему отдельные модели для роботов ещё рано списывать
Остаётся неизвестным, сколько данных о робототехнике OpenAI и другие разработчики использовали при обучении универсальных моделей. Поэтому по этим результатам нельзя заключить, что модели освоили управление роботами без соответствующих обучающих примеров.
Специализированные модели всё ещё могут иметь преимущества по стоимости, надёжности, скорости работы и энергопотреблению, даже если хуже переносят навыки на незнакомые задачи. Реорганизация OpenAI сама по себе не отвечает на вопрос, какой подход окажется практичнее.
Для сопоставления с другим прикладным примером пригодится материал о том, как DeepMind испытывала Gemini Robotics 2.5 на сортировке деталей у Mercedes-Benz. Это отдельный пилот, а не прямое сравнение с Astra.
Что известно о дальнейших планах
OpenAI уже закрывала подразделение робототехники в 2020 году и восстановила команду в 2024-м. По объяснению сооснователя Войцеха Зарембы, тогда компании не хватало обучающих данных, а большие языковые модели представлялись более быстрым путём к универсальному ИИ.
Теперь, по имеющимся сообщениям, Сэм Альтман ориентируется на первую публичную демонстрацию робота в 2027 году. Это заявленный ориентир, а не состоявшийся показ или гарантия выпуска. Для оценки нынешней перестройки важнее будут результаты на физических роботах: какие задания они завершают и насколько стабильно повторяют успех.
