RoboColiseum新赛季发布：Claude Fable 5.2包揽多项第一，但灵巧手仍是模型短板

在RoboColiseum新赛季公布的评测成绩中，Claude Fable 5.2以18.30分的综合得分登顶榜首。该模型在精细操作赛道获得33.04分，在跨本体迁移赛道获得17.99分，均位列第一。然而，即使是综合排名第一的模型，在灵巧手操作赛道的得分也仅为3.73分，成为所有参评模型该项表现的最低点。

RoboColiseum新赛季将机器人日常生活中的真实任务搬入仿真考场，新增了灵巧手操作、全身协同、精细操作与本体迁移四条赛道，共计50个任务。评测不仅考察任务完成的完整度，还重点检验执行效率，包括模型是否能在合理步数内完成动作以及观察推理的次数控制。

四条新赛道聚焦于长程和复杂任务的真实世界映射。灵巧手赛道要求机器人完成挂衣服、颠锅、系垃圾袋等多指协同操作；全身协同赛道考察底盘移动与双臂操作的连续配合，如捡垃圾和擦黑板；精细操作赛道测试对位装配能力，包括给手机充电、拼积木和装轴承；本体迁移赛道则验证同一模型在ARX、AgileX、G1和G2四种不同机器人结构上的适应能力。

榜单汇总了8款Agent和3款策略模型的成绩。除Claude Fable 5.2外，GPT-6 Astra和Claude Opus 5.5分列二三名。在策略模型方面，π₀.₅以16.79分的灵巧手得分领跑该赛道，LingBot-VLA-2.0和GR00T N1.7分别获得10.66分和5.53分，表现均优于Agent中的多数选手。

为防止模型通过“背题”或获取特权信息虚高分数，平台引入了三重防Hack机制：隐藏测试集区分开发调试与正式考核场景；动态抽检在每次提交时更换测试题以检测过度拟合行为；人工审核则用于识别违规操作。同时，Agent与策略模型实行分开榜单管理，并纳入执行效率评分标准。

为了证明仿真评测的可信度，RoboColiseum在未对仿真环境做任何适配调优的情况下，将真实世界训练的模型进行零样本（zero-shot）仿真测试。横跨4款不同机器人本体和22项复杂任务的实验结果显示，仿真与真机任务的得分相关性高达96.86%，表明在仿真中发现的策略和缺陷可以高度可信地迁移到真实机器人。

平台已开放AI可调用的Skills，开发者可通过对话完成数据下载、模型接入及评测发起等全流程操作。随着新赛季开启，四条新赛道和50个复杂任务正式对策略模型和Agent系统研发团队开放，旨在推动大模型在灵巧控制与跨本体迁移领域的技术进步。