GPT-6 Astra demonstra avanços na manipulação robótica, mas desafios persistem

O GPT-6 Astra, com sua política de agente Inspect Robots, continua a demonstrar a capacidade de modelos de linguagem para controle robótico. Em testes com braços YAM, o Astra mostrou precisão impressionante em tarefas de manipulação diretas, como mover um bloco vermelho para uma tigela, com 19 de 20 tentativas bem-sucedidas. Este desempenho supera largamente o modelo Fable 5.1, que conseguiu 8 de 20, e o Fable 5, com apenas 1 de 20.

No entanto, o salto para tarefas de manipulação fina e complexa ainda é um gargalo para a IA. O Astra alcançou apenas 2 de 20 tentativas ao tentar encaixar uma peça redonda de quebra-cabeça, um resultado similar ao do Fable 5.1. Este cenário reforça o que já discutimos em nossa cobertura anterior em 26 de fevereiro de 2026 sobre a produtividade da IA: ela se destaca em tarefas bem definidas, mas encontra barreiras em cenários mais desafiadores. A evolução dos agentes de IA, como o Astra, que já provou sua excelência em codificação e raciocínio geral, como noticiado em 4 de setembro de 2026, mostra a necessidade de traduzir essa capacidade cognitiva para o mundo físico com a mesma eficiência.

A cobertura anterior do CEVIU News, em 7 de setembro de 2026, já destacava a superioridade do GPT-6 Astra em tarefas de manipulação robótica, apontando seu sucesso em 19 de 20 tentativas. Agora, aprofundamos essa análise. O ponto crucial desta nova informação é a revelação das limitações do Astra em tarefas mais complexas, como encaixar uma peça de quebra-cabeça, onde o modelo ainda falha. Além disso, trazemos à tona a vantagem econômica do Astra: ele opera com um custo operacional cerca de 50% menor por execução em comparação com o Fable 5.1, um detalhe novo e importante para sua aplicabilidade prática.

Avanços como os do GPT-6 Astra são cruciais para a evolução da robótica e automação. A capacidade de um modelo de linguagem executar tarefas físicas com alta precisão e menor custo abre portas para aplicações industriais e logísticas mais eficientes. Contudo, a dificuldade em manipular objetos complexos ressalta os desafios persistentes na área. Compreender esses limites ajuda a direcionar a pesquisa e o desenvolvimento da IA para onde as lacunas ainda são maiores. Além disso, a comparação com modelos como Fable 5.1 fornece um benchmark essencial para a indústria, mostrando quem está liderando a corrida e quais áreas precisam de mais investimento.