六项评测超越GPT-6 Astra！大晓ACE-Brain-0.6以数据Scaling推动具身空间智能跃迁

近期，通用多模态模型在跨本体、跨场景的交互能力上取得显著进展。分析显示，相比GPT-5.5，OpenAI推出的GPT-6 Astra在视觉空间锚定准确率上大幅提升，其具身泛化能力不仅依赖高级推理，更得益于空间感知与空间推理能力的跃升。这一趋势为具身智能行业指明方向：以视觉空间锚定为关键突破口，加速推动模型从高级认知迈向精准感知与可靠执行。

基于此背景，大晓机器人正式发布了全新视觉空间锚定增强型具身基模型ACE-Brain-0.6。该模型在ACE-Brain-0.5探索统一认知闭环的基础上，进一步聚焦Grounding核心能力。大晓机器人依托约百万条高质量、可验证的空间锚定训练样本，旨在通过规模化、多样化且可验证的数据，强化目标识别、空间定位与交互锚定能力。

实验结果显示，ACE-Brain-0.6在八项Grounding评测中取得六项超越GPT-6 Astra的成绩。其中包括七项国际权威公开基准及大晓自建的RobotGrounding评测。在七项公开基准测试中，ACE-Brain-0.6平均得分达74.53分，领先GPT-6 Astra的73.68分；在真实机器人场景评测RobotGrounding中，ACE-Brain-0.6取得94.13分，超越Astra的91.10分。

除与GPT-6 Astra的对比外，ACE-Brain-6在与Google Gemini 4 Argon、Anthropic Claude Opus 5.5以及阿里巴巴达摩院、北京智源研究院等国内外代表性模型的横向对比中，同样取得了领先成绩。这表明9B级模型通过高质量空间监督数据驱动，能够在具身空间理解与精准定位任务上形成强劲竞争力。

ACE-Brain-0.6的技术突破体现在将物体识别、多实例定位、空间关系理解等整合为统一的空间感知能力体系。该模型不仅能根据语言描述识别目标物体，更能理解‘哪里能够放置’、‘应该抓住哪个部位’等操作意义深远的问题，特别是在细粒度几何定位和复杂空间关系判断上展现出显著优势。

特别值得关注的是模型对‘不存在的目标’的识别能力。在RobotGrounding包含2591道问题的评测中，模型准确判断目标缺失而非生成错误位置的能力显著提升。这种能力对于机器人至关重要，使其不仅能知道该对什么行动，还能明确何时不应贸然行动，从而确保物理操作链路的可靠性。

此次突破验证了具身基模型能力进化的新路径：通过多源数据融合、自动化空间标注与高质量监督数据构建，持续提升模型的物理空间感知能力。这不仅为具身基模型的高效训练提供了可规模化的数据基础，也为打通‘语言理解—空间感知—物理行动’的关键链路提供了技术支撑，推动具身智能从理解世界向精准作用于物理世界迈进。

大晓机器人表示，ACE-Brain-0.6的成功探索揭示了具身智能基础能力演进的重要方向：在直接决定物理操作精度的关键感知环节，通过数据Scaling而非单纯增加参数规模，同样能够突破限制，为构建高效、精准、可泛化的具身智能系统开辟新路径。