ACE-Brain-0.6发布：9B模型六项评测反超GPT-6 Astra

大晓机器人于10月19日发布视觉空间锚定增强型具身基模型ACE-Brain-0.6，并公布了一组颇具冲击力的成绩：这个基于Qwen3.5-9B监督微调的模型，在八项Grounding评测中的六项超过OpenAI GPT-6 Astra。

按照大晓机器人披露的数据，ACE-Brain-0.6在七项公开基准上的平均得分为74.53分，高于GPT-6 Astra的73.68分；在面向真实机器人场景的RobotGrounding评测中，前者得到94.13分，后者为91.10分，差距达到3.03分。

这不是一个9B模型在通用能力上击败顶级模型的故事，而是一个专项模型依靠高密度训练数据，把有限参数集中用在具身空间感知上的案例。对机器人开发者而言，这个区别很重要：聊天、编程和长链推理能力再强，也不等于模型能准确指出杯子的把手、货架上的空位，或者衣服应该从哪里抓起。

ACE-Brain-0.6是什么

ACE-Brain-0.6是大晓机器人面向具身智能推出的视觉空间锚定模型，核心任务是把语言指令准确映射到图像中的目标、区域和可交互位置。模型以Qwen3.5-9B为底座，使用约100万条空间锚定样本进行监督微调，重点强化目标识别、空间定位、关系理解和交互区域判断。

Grounding是把语言概念与视觉世界中的具体对象或区域建立对应关系的能力。普通视觉问答模型可能只需要回答“桌上有一个杯子”，Grounding模型则要进一步给出杯子在哪里、哪个部位可以抓、杯子前方是否有可供放置的空间，以及目标不存在时是否应该拒绝输出坐标。

空间锚定是连接高级推理与物理执行的中间层。机器人可以先由高层模型决定“把水果放进篮子”，但真正执行时仍然需要识别篮筐边缘、确定内部承载面、估算剩余空间，并把动作目标转换为视觉坐标或空间约束；其中任何一步偏移，都可能让机械臂撞上篮沿或把水果放到篮外。

ACE-Brain-0.6的价值就在于缩短“看懂指令”和“找准动作位置”之间的距离。它并不试图包办机器人的全部决策，而是针对物理操作中最容易被通用多模态模型忽略的细粒度位置问题进行强化。

八项评测中拿下六项

大晓机器人公布的核心结论是ACE-Brain-0.6在八项Grounding评测中的六项领先GPT-6 Astra。参与横向比较的还包括Google Gemini 4 Argon、Anthropic Claude Opus 5.5，以及阿里巴巴达摩院、北京智源研究院等机构的代表性模型。

| 对比维度 | ACE-Brain-0.6 | GPT-6 Astra | 差值 | 应如何理解 | |---|---:|---:|---:|---| | 模型定位 | 具身空间锚定专项模型 | 顶级通用多模态模型 | — | 两者训练目标并不相同 | | 已披露参数规模 | 9B | 未在参考资料中披露 | — | 不能直接计算参数效率比 | | 七项公开基准平均分 | 74.53 | 73.68 | +0.85 | ACE-Brain-0.6领先约1.15% | | RobotGrounding得分 | 94.13 | 91.10 | +3.03 | ACE-Brain-0.6领先约3.33% | | 八项评测领先数量 | 6项 | 2项 | 4项 | 优势主要集中于空间感知任务 | | 训练数据 | 约100万条空间锚定样本 | 未披露 | — | 专项数据是主要变量之一 |

公开基准平均领先0.85分并不算碾压，但对空间定位任务仍有实际意义。74.53相对73.68的提升约为1.15%，这个差距在文本生成中可能难以被用户感知，可在机械臂操作里，坐标是否落在目标内部、抓取点是否避开物体边缘，往往决定一次动作是成功还是失败。

RobotGrounding上的3.03分差距更值得关注，因为该评测更接近机器人摄像头真正会看到的环境。按相对比例计算，ACE-Brain-0.6比GPT-6 Astra高约3.33%；不过，这项结果来自大晓机器人自建评测，在数据分布、标注规则和评分脚本得到完整公开之前，不宜把它当成独立第三方结论。

RobotGrounding更接近真实任务

RobotGrounding是大晓机器人构建的真实机器人场景空间感知评测集，共包含2591道问题和14类任务。它覆盖目标定位、小物体识别、多实例计数、目标缺失判断以及跨相机视角对应等能力，试图补足通用公开基准与真实机械臂工作环境之间的差距。

目标缺失判断是机器人系统经常被低估的一项能力。模型在找不到指定物体时，正确行为不是猜一个最相似的坐标，而是明确判断目标不存在；对纯问答系统来说，一次幻觉可能只是答案错误，对机器人来说却可能触发无意义移动、碰撞或误抓。

跨相机视角对应则考验模型能否识别不同画面中的同一对象。仓储机器人可能同时使用头部相机、腕部相机和环境相机，一个纸箱在不同视角下的尺度、遮挡和朝向都会变化，如果模型只依赖局部纹理，就容易把目标与相邻物体混淆。

小物体识别和多实例计数同样直接影响执行可靠性。零售拣选中的药盒、螺丝和标签通常只占画面很小区域，多实例场景还要求模型区分“第三个红色零件”和“所有红色零件”，这类任务比回答画面里有什么更接近生产系统的真实输入。

百万条数据为何能放大9B模型

ACE-Brain-0.6的关键技术路线是数据Scaling，即通过扩大高质量空间监督数据的规模，让中等参数模型形成稳定的专项能力。这里的Scaling不是单纯增加图片数量，而是增加语言、对象、位置、功能区域和空间关系之间的有效对应。

监督微调是使用带有明确输入和目标答案的数据继续训练基础模型，使模型在指定任务上形成更稳定输出模式的方法。ACE-Brain-0.6基于Qwen3.5-9B进行监督微调，意味着它继承了底座模型已有的视觉语言理解能力，再用约百万条空间锚定样本校准“目标究竟在哪里”。

高质量空间数据比普通图文描述包含更密集的物理信息。一张厨房图片的常规描述可能只有“台面上放着一个杯子”，而空间锚定数据可以进一步标注杯身、杯把、杯口、可抓取区域、杯子相对水壶的位置，以及台面上可供放置的新区域；同一张图因此能够提供多个层级的训练信号。

功能区域识别是ACE-Brain-0.6特别值得观察的能力方向。机器人操作的目标通常不是完整物体边界，而是物体上支持某种动作的局部区域，例如杯把适合抓握、抽屉把手适合拉动、盒盖边缘适合掀开，完整识别物体并不代表已经理解应该接触哪里。

空间可供性是环境或物体对特定动作所提供可能性的表达，英文通常写作Affordance。一个空白桌面从视觉上只是一块区域，但对机器人而言，它还意味着“可以放置”；一个把手不只是凸起结构，还意味着“可以抓握或拉动”，这种从几何位置到行动意义的转换，是具身模型区别于普通视觉模型的核心之一。

专项胜出不等于全面超过GPT-6 Astra

ACE-Brain-0.6超过GPT-6 Astra的准确表述，应当限定为“在此次八项Grounding评测中的六项领先”。如果把结论缩写成“9B模型超过GPT-6”，就会混淆专项基准与通用能力，也无法反映模型在复杂推理、开放世界理解、长上下文和多工具协同等维度上的差异。

专项小模型超过通用大模型并不反常，因为模型能力取决于参数、数据和训练目标的共同作用。通用模型需要把容量分配给语言、代码、知识、推理和多模态理解，而ACE-Brain-0.6可以把训练预算集中在坐标、边界、相对位置和可交互区域上，类似一名受过专门训练的测量员，在空间测量任务上超过知识面更广的通才。

这组成绩真正说明的是9B级模型已经有机会充当机器人的专用感知模块。9B模型通常比超大规模闭源模型更容易部署在本地服务器或边缘计算环境中，也更便于围绕特定机器人、相机和工作空间继续微调，但大晓机器人目前没有在参考资料中披露推理速度、显存占用、量化效果和端侧硬件配置，因此还不能据此判断实际部署成本。

模型是否开放同样决定了这项成果能否被开发者复现。现有公开信息主要给出了底座、训练数据规模与评测结果，但没有完整呈现模型权重、训练集构成、评测脚本、推理延迟和失败样例；在这些材料公开之前，外界能确认的是厂商报告的结果，而不是已经完成社区验证的结论。

从坐标预测走向行动约束

具身空间智能的下一阶段不会停留在输出一个二维框或坐标点。机器人真正需要的是带约束的行动表示，包括接近方向、抓取姿态、碰撞边界、可用空间、受力位置和动作完成条件，而这些信息很难用单一的目标检测分数概括。

折叠T恤可以说明空间锚定为什么比目标识别更复杂。模型不仅要找出衣物，还要提取轮廓、区分袖口与衣摆、估算左右对称关系，并根据尺寸计算折叠距离；如果只输出“T恤在桌面中央”，执行系统依旧不知道机械臂应该从哪里开始。

放置水果篮则说明相对位置判断必须服务于动作。模型需要识别篮筐边缘和内部承载面，排除已经被水果占据的位置，再给出具有安全余量的落点；把“篮子前方的空位”误判成相邻桌面，在视觉问答中只是轻微偏差，在机器人系统中却会直接造成任务失败。

ACE-Brain-0.6把目标识别、多实例定位、空间关系、功能区域和交互位置预测放进统一能力体系，这条路线比单纯提高视觉问答分数更贴近物理AI需求。它试图解决的不是模型能否描述世界，而是模型输出能否成为控制系统可消费的空间条件。

真正的考验仍在闭环执行

静态Grounding得分只能证明模型找点和找区域的能力，不能单独证明机器人已经具备可靠操作能力。完整机器人任务还涉及视觉延迟、深度估计、坐标系转换、运动规划、力控、碰撞检测和执行后的状态验证，其中任何环节都可能抵消感知模型带来的收益。

开发者更应该关注任务成功率而非单次感知分数。一个模型即使把定位准确率从91.10提高到94.13，也需要进一步回答：这种提升能否降低误抓次数、能否缩短平均操作时间、在遮挡和光照变化下是否稳定，以及连续执行十步任务时错误会不会累积。

端到端延迟也是ACE-Brain-0.6尚未给出答案的关键指标。对固定工位分拣任务来说，一两秒推理时间可能可以接受；对移动机器人避障或人机协作来说，感知、规划和控制需要形成更高频率闭环，模型的首个空间输出延迟和持续吞吐量会直接影响可用性。

评测透明度将决定这次发布的技术影响力能走多远。RobotGrounding包含2591道问题、覆盖14类任务，这个规模足以提供有价值的场景切片，但自建数据集天然存在训练数据重合、任务定义偏向和评分口径适配的风险，最有说服力的后续动作是公开数据划分、评分代码与不同模型的原始输出。

对具身智能行业意味着什么

ACE-Brain-0.6给行业释放的信号是具身模型竞争正在从“谁的通用模型最大”转向“谁能把物理监督做得更细”。当基础视觉语言能力逐渐成为标准件，机器人公司的差异化能力会更多来自真实场景数据、失败案例回流、动作结果标注和持续训练闭环。

大晓机器人由商汤科技联合创始人王晓刚创立，业务重点是物理AI，并构建了ACE研发范式和“开悟”世界模型。截至2026年10月，该公司已完成数亿美元融资，这意味着ACE-Brain-0.6并非孤立的模型实验，而是其具身智能技术栈中的一块感知基础设施。

对零售、物流和服务机器人而言，9B专项模型的现实意义可能高于又一个超大通用模型。企业部署更关心确定性、延迟、硬件成本和场景适配速度，如果一个较小模型能在固定任务上提供更稳定的空间输出，它就可能作为高层推理模型与底层控制器之间的专用模块，而不必承担所有认知任务。

这次发布最值得肯定的是用明确任务和具体数字证明了高质量Grounding数据的价值。七项公开基准平均分从GPT-6 Astra的73.68提高到74.53，RobotGrounding从91.10提高到94.13，成绩并非全面碾压，却足以表明参数规模不是具身空间感知的唯一决定因素。

这次发布最大的保留项则是缺少足够完整的公开验证材料。没有模型权重、数据细节、推理成本、完整分项成绩和独立复测，外界目前还无法判断优势来自数据质量、评测适配、训练方法，还是几项因素共同作用。

ACE-Brain-0.6因此更像一个有分量的技术信号，而不是具身模型竞争已经决出胜负的终局结论。它证明9B模型经过百万级专项空间数据训练后，可以在部分关键指标上追平甚至超过顶级通用模型；下一步能否把静态评测优势转化为更高的机器人任务成功率，才是这套路线真正需要回答的问题。

参考来源

• IT之家：大晓机器人发布具身基模型ACE-Brain-0.6：报道模型底座、训练数据规模、八项Grounding评测结果，以及大晓机器人的公司背景。