AA-Robotics
Aperçu de recherche d'Artificial Analysis : des modèles de langage, dans un harnais d'agent de code, pilotent directement un bras robotisé à 6 axes pour réaliser des tâches simples sur une table.
Aperçu de recherche v0.1En bref
GPT-6 Astra (Codex) est en tête avec 69,4, sur 5 résultats. Meilleur rapport score/coût : GPT-6.1 Sol (Codex), 64,6 pour 1,93 $ par tâche. Le plus rapide : GPT-6.1 Sol (Codex), 28 min 05 s par tâche.
Rapport et vitesse sont choisis parmi les 3 premiers, pour qu'un essai bon marché ou rapide mais faible ne l'emporte pas. Données relevées le 4 nov. 2026.
- Modèles testés
- 5
- Meilleur score
- 69,4
- GPT-6 Astra
- Moins cher par tâche
- 1,93 $
- GPT-6.1 Sol · 64,6
- Humain, par tâche
- 20 s
- 0,211 $ au salaire horaire moyen américain
Score selon le coût ou la durée
Une tentative par tâche et par modèle. L'axe horizontal est inversé : en haut à droite, un modèle obtient plus pour moins cher ou plus vite.
Modèles affichés5 sur 5
Les meilleurs modèles sont affichés par défaut. Survolez un modèle pour le mettre en avant ; les axes s'ajustent aux modèles affichés.
Réussies : 5 sur 8Coût / tâche : 16,36 $Durée / tâche : 30 min 16 sAvant 1re action : 4 min 38 s
Réussies : 5 sur 8Coût / tâche : 1,93 $Durée / tâche : 28 min 05 sAvant 1re action : 5 min 56 s
Réussies : 4 sur 8Coût / tâche : 7,61 $Durée / tâche : 52 min 24 sAvant 1re action : 21 min 31 s
Réussies : 3 sur 8Coût / tâche : 6,75 $Durée / tâche : 31 min 40 sAvant 1re action : 7 min 17 s
Réussies : 3 sur 8Coût / tâche : 9,73 $Durée / tâche : 31 min 09 sAvant 1re action : 11 min 35 s
| # | Modèle | Harnais | Score | Réussies | Coût / tâche | Durée / tâche | Avant 1re action |
|---|---|---|---|---|---|---|---|
GPT-6 Astra OpenAI | Codex | 69,4 | 5 sur 8 | 16,36 $ | 30 min 16 s | 4 min 38 s | |
| 2 | GPT-6.1 Sol OpenAI | Codex | 64,6 | 5 sur 8 | 1,93 $ | 28 min 05 s | 5 min 56 s |
| 3 | Gemini 4 Argon | Antigravity | 55,3 | 4 sur 8 | 7,61 $ | 52 min 24 s | 21 min 31 s |
| 4 | Claude Opus 5.5 Anthropic | Claude Code | 48,8 | 3 sur 8 | 6,75 $ | 31 min 40 s | 7 min 17 s |
| 5 | Claude Fable 5.1 Anthropic | Claude Code | 46,3 | 3 sur 8 | 9,73 $ | 31 min 09 s | 11 min 35 s |
Résultats par tâche
Score de chaque modèle sur chaque tâche, sur 100.
| Tâche | GPT-6 Astra | GPT-6.1 Sol | Gemini 4 Argon | Claude Opus 5.5 | Claude Fable 5.1 |
|---|---|---|---|---|---|
| Bouton rougeAppuyer sur le bouton avec la pince. | 100 | 100 | 100 | 100 | 100 |
| CrocodilePlacer le crocodile à l'intérieur du rectangle. | 100 | 100 | 100 | 100 | 100 |
| VerserVerser la boisson de la bouteille dans le gobelet. | 100 | 0 | 100 | 25 | 30 |
| RangerMettre les quatre blocs dans la boîte, puis remettre le couvercle. | 40 | 100 | 40 | 40 | 40 |
| FormesPlacer les blocs dans le plateau pour qu'il corresponde à l'image. | 44 | 100 | 0 | 38 | 100 |
| Hello worldÉcrire « hello world » au feutre sur la feuille, dans le cadre noir. | 100 | 100 | 45 | 45 | 0 |
| TourConstruire la tour la plus haute possible avec les blocs en mousse. | 71 | 0 | 57 | 25 | 0 |
| MesurerMesurer la longueur, la largeur et la hauteur de la boîte. | 0 | 17 | 0 | 17 | 0 |
Les tâches en vidéo
Court extrait de chaque tâche publié par Artificial Analysis, avec sa consigne et son critère de réussite.
Appuyer sur le bouton rouge
- Objectif ·
- Appuyer sur le bouton avec la pince.
- Critère de réussite ·
- Le bouton clignote.
Placer le crocodile en jouet dans le rectangle
- Objectif ·
- Placer le crocodile à l'intérieur du rectangle.
- Critère de réussite ·
- Le crocodile est entièrement dans le rectangle.
Verser la boisson dans le gobelet
- Objectif ·
- Verser la boisson de la bouteille dans le gobelet.
- Critère de réussite ·
- La boisson est dans le gobelet, rien n'est renversé ni cassé.
Ranger les blocs dans la boîte
- Objectif ·
- Mettre les quatre blocs dans la boîte, puis remettre le couvercle.
- Critère de réussite ·
- Tous les blocs sont dans la boîte et le couvercle est à plat.
Relever le défi des formes
- Objectif ·
- Placer les blocs dans le plateau pour qu'il corresponde à l'image.
- Critère de réussite ·
- Les blocs du plateau correspondent à l'image.
Écrire hello world
- Objectif ·
- Écrire « hello world » au feutre sur la feuille, dans le cadre noir.
- Critère de réussite ·
- « hello world » est lisible et dans le cadre noir.
Construire la plus haute tour
- Objectif ·
- Construire la tour la plus haute possible avec les blocs en mousse.
- Critère de réussite ·
- La tour tient seule et atteint la hauteur maximale possible.
Mesurer la boîte
- Objectif ·
- Mesurer la longueur, la largeur et la hauteur de la boîte.
- Critère de réussite ·
- Chaque dimension est juste à 2 mm près.
Explorer les essais
Vidéo complète de chaque essai. L'histogramme montre l'activité du bras ; la bande sombre, les moments où il bouge. Cliquez dessus pour vous y rendre.
- Première action · 3:16
- Premier état réussi · 3:23
- Bras en mouvement
GPT-6 Astra · Codex
Appuyer sur le bouton rouge
Score : 100 / 100
Critère de réussite · Le bouton clignote.
Les erreurs en vidéo
Extraits choisis par Artificial Analysis pour illustrer les erreurs des modèles, légendés en anglais à l'image.
Teste le contact du feutre sur la feuille elle-même et laisse des marques dans le cadre d'écriture
Claude Opus 5.5 · Hello world · à 21:40 dans l'essai
Raisonnement physique défaillant
Chaque tentative pour ramener la boîte la pousse un peu plus vers le coin de la table
Claude Opus 5.5 · Ranger · à 36:10 dans l'essai
Raisonnement physique défaillant
Fait glisser la pince sur la table jusqu'au crocodile et le pousse d'environ 10 cm, hors de portée
Claude Opus 5.5 · Crocodile · à 2:54 dans l'essai
Raisonnement physique défaillant
Repère la feuille en traçant des tirets d'encre dans le cadre d'écriture
Claude Fable 5.1 · Hello world · à 8:46 dans l'essai
Raisonnement physique défaillant
Deux nouvelles approches repoussent au-delà du bord opposé un crocodile qui était entièrement dans le rectangle
Claude Opus 5.5 · Crocodile · à 35:30 dans l'essai
Raisonnement physique défaillant
Le poignet appuie sur le plateau et le pousse entièrement vers l'avant, ce qui complique chaque prise de la bouteille
Claude Opus 5.5 · Verser · à 5:04 dans l'essai
Raisonnement physique défaillant
Des sondages au contact de la table regroupent quatre blocs libres en un seul tas
Claude Opus 5.5 · Formes · à 20:57 dans l'essai
Raisonnement physique défaillant
Manipule les blocs pendant 13 minutes avant d'enlever le couvercle
Claude Opus 5.5 · Ranger · à 10:00 dans l'essai
Raisonnement physique défaillant
Lâche le coin bien au-dessus du bord, et il retombe sur un cube
Claude Fable 5.1 · Ranger · à 18:10 dans l'essai
Raisonnement physique défaillant
9 sur 61 extraits
Méthode et versions
Chaque modèle reçoit le contrôle d'un bras robotisé à 6 axes (5 articulations et une pince) via une API HTTP simple, voit la scène par quatre caméras et peut écrire et exécuter du code pour planifier ses mouvements.
- Des tâches de table inspirées d'activités quotidiennes : précision de saisie, raisonnement spatial et adaptation à l'imprévu.
- Un juge humain note l'état final selon les critères de la tâche : 100 si elle est réussie, des points partiels sinon.
- Chaque modèle tourne dans le harnais d'agent de code de son créateur (Codex, Claude Code, Antigravity…), au réglage d'effort élevé ; la colonne Harnais l'indique.
- Une seule tentative par tâche, sans exemple : le modèle s'arrête quand il juge la tâche accomplie ou abandonne.
- La référence humaine est la durée de la tâche faite à la main, valorisée au salaire horaire moyen américain cité par Artificial Analysis.
Données via l'article AA-Robotics d'Artificial Analysis. Score, coût et durée sont les moyennes publiées sur une tentative par tâche.