RoboDojo 真机测试：Gemini 4 Argon 机器人任务约 48%

xiax｜AI & Agents @xiax0603原推发布于 2026.10.25

在 X 上打开原推

🚨跑分骗了所有人！Kimi K3.1 Pro真实机器人任务进度分仅9%，和头部模型差距悬殊！ Robocurve RoboDojo‑RC实测，在真实机器人任务中： Opus 5.5约48%，Gemini 4 Argon约48%，GPT‑6 Astra约47%，Kimi K3.1 Pro只有9%，上百次真机测试大多无法推进任务。 Kimi K3.1 Pro在Terminal‑Bench这类软件基准上表现亮眼，能和海外头部模型近身比拼，但是一落到真实物理空间、机器人操作任务，能力断层非常明显。 软件代码、文本推理和物理世界的具身智能，完全是两套能力。虚拟跑分不代表现实里能搞定物体识别、空间规划、闭环操控。 整套测试视频和原始记录都已经公开，差距一目了然。https://x.com/robocurve/status/2113827780798697613/video/1

这条是引用着另一条写的：x.com/xiax0603/status/2113919666045567424