Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarThe Decoder→ original

OpenAI mais uma vez desfaz a equipe de robótica: GPT-6 Astra resolveu 74,8% das tarefas em simulação contra 51%

A OpenAI está desfazendo mais uma vez sua equipe dedicada de robótica, apostando que o modelo geral GPT-6 Astra consegue controlar o robô diretamente, sem a necessidade de um modelo específico para robôs. Em um estudo da Nvidia, o agente baseado no Astra concluiu 74,8% das tarefas em simulação, enquanto os melhores modelos especializados chegaram a 51%. Mas o teste foi feito em um robô virtual DROID, e não em hardware real. Por isso, vale testar modelos gerais como o "cérebro" do planejamento, mantendo os modelos estreitos para ações rápidas.

Processado por IA de The Decoder; editado por Hamidun News
OpenAI mais uma vez desfaz a equipe de robótica: GPT-6 Astra resolveu 74,8% das tarefas em simulação contra 51%
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
StationeryBencho Astra concluiu totalmente 7 de 100 tarefas; o MolmoAct2 não concluiu nenhuma
Pontuação média de progresso46 para o Astra contra 12 para o MolmoAct2, da Ai2
Dado-chave #3A decisão foi tomada com tanta pressa que o estande da OpenAI na CoRL, em Austin, ficou vazio

A OpenAI, segundo a Fortune, está desfazendo pela segunda vez sua equipe dedicada de robótica. A motivação é a ideia de que uma rede neural específica para robôs pode ser desnecessária: o modelo geral GPT-6 Astra talvez consiga controlar um robô diretamente. Um exemplo simples: antes, para um braço robótico era escrito um modelo estreito que aprendia apenas a mover o manipulador; agora, o mesmo modelo grande que escreve código e responde perguntas observa a cena e decide para onde estender o braço.

No estudo da Nvidia, o agente baseado no Astra concluiu 74,8% das tarefas, enquanto os melhores modelos especializados chegaram a 51%. Uma ressalva importante: os testes foram feitos no robô virtual DROID, ou seja, em simulação, e não em hardware real. Para quem desenvolve robôs ou agentes, isso sinaliza uma possível mudança no mercado, mas ainda não é uma prova.

O que muda dentro da OpenAI

Os pesquisadores de robótica estão migrando para a principal equipe de pesquisa, liderada pelo diretor de pesquisa Mark Chen. Os grupos aplicados de robótica e hardware passam a integrar a organização Applied, comandada por Greg Brockman. A decisão foi tomada tão de repente que a empresa já havia reservado um estande na conferência Conference on Robot Learning (CoRL), em Austin, e ele ficou vazio.

Em 2020, a OpenAI já havia encerrado essa frente. Na época, segundo o cofundador Wojciech Zaremba, faltavam dados de treinamento, e os grandes modelos de linguagem pareciam um caminho mais rápido para a AGI. A equipe foi reconstruída em 2024. Agora, o motivo é outro: a empresa não está abandonando os robôs, mas quer acelerar o trabalho, diluindo os especialistas em outras equipes.

O que mostram os testes

Além do estudo da Nvidia, há um novo benchmark, o StationeryBench. Nele, o Astra foi comparado ao modelo MolmoAct2, da Ai2, em cinco tarefas com objetos de papelaria sobre uma mesa. As tarefas foram executadas por robôs bimanuais YAM, em um total de 200 tentativas. O Astra concluiu totalmente 7 das 100 tarefas, enquanto o MolmoAct2 não concluiu nenhuma. A pontuação média de progresso foi de 46 para o Astra e 12 para o MolmoAct2. A vantagem existe, mas ainda está longe de um funcionamento confiável: o Astra não levou até o fim 93 das 100 tarefas.

Em outro teste, o Astra, embarcado em um robô humanoide, se deslocava por uma cozinha e organizava o ambiente. Yoav Artzi, da Cornell University e do Google DeepMind, descreve o modelo como um grande salto na compreensão do espaço. Segundo ele, no benchmark REMAP, que ainda não foi publicado, o Astra apresenta precisão próxima à humana. Ele acredita que a OpenAI possa ter treinado o modelo com um grande volume de dados 3D, por exemplo, cenas criadas no Blender. Quantos dados de robótica foram usados pela OpenAI e por outros laboratórios não se sabe. O progresso em tarefas com robôs também é observado em grandes modelos da Anthropic e do Google.

O que ainda não foi provado

Modelos estreitos podem manter vantagens em custo, confiabilidade, velocidade e consumo de energia, mesmo que generalizem pior. Para um robô em um armazém ou em uma fábrica, isso é decisivo: um modelo universal enorme custa mais em computação e reage mais devagar. Resultados em simulação não garantem o mesmo desempenho em robôs físicos, e parte dos benchmarks ou acabou de surgir ou ainda não foi publicada.

Há também um contexto de negócios. Segundo relatos, Sam Altman mira uma primeira demonstração pública de robô em 2027 e, a longo prazo, a OpenAI quer fabricar robôs domésticos próprios. Mas a empresa está sob forte pressão financeira e precisa concentrar esforços em seu negócio principal de IA, em que perdeu posições de forma considerável para a Anthropic. Assim, a reorganização pode ser também uma forma de economizar energia, e não apenas uma aposta tecnológica.

O que isso significa para quem trabalha com a área

Se você desenvolve um produto de robótica, não convém descartar às pressas os modelos especializados: em preço, velocidade e previsibilidade, eles ainda podem levar vantagem. Mas já faz sentido testar modelos universais como "cérebro" para planejamento e compreensão da cena, mantendo os modelos estreitos para ações rápidas de baixo nível. A principal questão do próximo ano é se os resultados de simulação se confirmarão em robôs reais e quanto essa abordagem custará na operação.

História

Perguntas frequentes sobre a notícia

O que muda dentro da OpenAI?

Os pesquisadores de robótica estão migrando para a principal equipe de pesquisa, liderada pelo diretor de pesquisa Mark Chen. Os grupos aplicados de robótica e hardware passam a integrar a organização Applied, comandada por Greg Brockman. A decisão foi tomada tão de repente que a empresa já havia reservado um estande na conferência Conference on Robot Learning (CoRL), em Austin, e ele ficou vazio. Em 2020, a OpenAI já havia encerrado essa frente.

O que mostram os testes?

Além do estudo da Nvidia, há um novo benchmark, o StationeryBench. Nele, o Astra foi comparado ao modelo MolmoAct2, da Ai2, em cinco tarefas com objetos de papelaria sobre uma mesa. As tarefas foram executadas por robôs bimanuais YAM, em um total de 200 tentativas. O Astra concluiu totalmente 7 das 100 tarefas, enquanto o MolmoAct2 não concluiu nenhuma. A pontuação média de progresso foi de 46 para o Astra e 12 para o MolmoAct2.

O que ainda não foi provado?

Modelos estreitos podem manter vantagens em custo, confiabilidade, velocidade e consumo de energia, mesmo que generalizem pior. Para um robô em um armazém ou em uma fábrica, isso é decisivo: um modelo universal enorme custa mais em computação e reage mais devagar. Resultados em simulação não garantem o mesmo desempenho em robôs físicos, e parte dos benchmarks ou acabou de surgir ou ainda não foi publicada. Há também um contexto de negócios.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…