GPT-6 Astra 高层规划与低层控制：差在哪，差多少
先给答案：差距在「决定做什么」和「把动作做准」之间。同一个模型，需要语义判断的任务分数很高（指令导航 92%、物体搜索 82%），需要接触力和毫秒闭环的任务掉到 48%、50%、38.7%，连续运动控制五次尝试零次到达终点。卡住的不是聪明程度，是三件硬事：接触精度、推理延迟、调用成本。
把两层拆开看，差距立刻显形
高层规划做的是：读指令、拆步骤、挑工具、发现方向不对就改目标。Astra 在这一层是强项，论文用的说法是它能「纠正任务目标、为后续策略执行准备接触条件」。
低层控制做的是：力矩、接触、每毫秒的闭环修正。Astra 不直接干这个，它把活交给外挂控制器——学到的操作策略、预训练的全身控制器、视觉-语言-动作模型。论文原话是它「揭示了任务规划与可靠的低层物理控制之间存在持续缺口」。
| 层 | 负责什么 | Astra 的位置 | 缺什么 |
|---|---|---|---|
| 高层规划 | 理解指令、拆解任务、选择工具、纠正目标 | 直接做，分数最高的一层 | 拆出来的步骤是否可执行，它自己判断不了 |
| 低层控制 | 关节力矩、手指接触、毫秒级闭环 | 不直接做，必须外挂控制器 | 缺实时性，也缺接触级精度 |
| 恢复 | 发现失败、退回安全状态、重试 | 能做语义判断，做不了动作级回退 | 需要外层框架兜住 |
同一篇论文，六类任务的分数差出一倍
具身策略那篇论文把 Astra 放进六类任务里测，测法分三种：直接控制、和学到的策略配合、以及带反馈的自适应。结果是这样的：
| 任务类型 | 怎么用 Astra | 结果 | 关键细节 |
|---|---|---|---|
| 夹爪操作 | 和 π0.5 混合控制 | 48% | RoboDojo 子集；Astra 负责改目标和备接触 |
| 灵巧手操作 | 混合控制，十次经验引导试验 | 50% | 直接在手控制时，手指接触协调不过来 |
| 移动操作 | 混合控制 | 38.7% | RoboCasa365 上测得，六类里最低 |
| 指令导航 | 直接主导 | 92% | RxR 指令跟随，本组对比里最高 |
| 物体搜索 | 直接主导 | 82% | HM3D；能找到，但绕路明显偏多 |
| 连续运动 | 直接生成动作 | 五次零次到达 | 单个障碍赛道，稳定性和前进量有改善，仍到不了终点 |
| 人形全身 | 配预训练全身控制器 | 30 个任务里 13 个超基线 | HumanoidBench |
规律很干净：凡是「把语义翻译成目标」的，分数在高位；凡是「把目标翻译成接触」的，分数掉一半以上。夹爪 48%、灵巧手 50%、移动操作 38.7%，都低于导航的 92%。这不是模型在某个任务上「发挥不好」，是它站的位置本来就管不到接触那一层。
延迟才是真正的门槛：30 秒动作要算近 3 小时
论文给了两个可以直接相乘的数字：一次 30 秒的运动跑需要 250 次模型调用，平均每次 39.86 秒，推理期间物理引擎是暂停的。
250 × 39.86 ≈ 9,965 秒，也就是 2 小时 46 分。换句话说，30 秒的真实动作，要换将近 2.8 小时的推理，倍率约 332 倍。这不是「慢一点」的问题，是这个循环根本合不上——物理世界不会等你算完再继续倒。
这段换算是我做的，不是论文结论。论文只给了 250 次调用和 39.86 秒均值两个原始数字，没有给出倍率，也没有给出「所以不能实时」这种判断。倍率是按定义直接相乘得来的，任何人拿这两个数都能算出来。
成本跟着调用次数走，不跟着任务难度走
同一篇论文还报了 token 消耗：在 50 个 RoboDojo 实例、每种条件各测一遍的设置下，策略辅助的控制烧掉 6.248 亿 token，直接控制烧掉 11.32 亿 token。
摊到单个实例：直接控制约 2,264 万 token，策略辅助约 1,250 万 token。按官方 $10/百万输入 token 粗算，单次直接控制试验的账面成本约 226 美元——这还是把所有 token 都当输入价算的下限，论文没有拆分输入与输出，实际更高。
这个数字解释了一个常见困惑：为什么「直接让模型控机器人」在论文里跑得通，在产品里跑不起。贵的不是那一次成功，是它为了那一次成功调用的两百多次。
真正能撬动的杠杆是调用次数，不是模型智力
少 token 那篇论文做了个干净的对照：规划器还是同一个 Astra，动作原语也是同一套，唯一改的是调用方式——从「一次一次地调工具」改成「在本地 Python 循环里批量检查、重试，只回传需要的图像和状态」。
| 指标 | 改之前 | 改之后 |
|---|---|---|
| 模拟成功率（700 个实例） | 63.1% | 71.7% |
| LLM 调用次数 | 基准 | 少 49% |
| 输入 token | 基准 | 少 65% |
| RoboDojo 平均成功率 | 公开榜首 | 51.6%（Score 58.2），高 19.4 分，且不用任何 VLA 策略或特权信息 |
同一个框架还顺手训了个 4B 的小模型，在没见过的任务上从 18.8% 提到 44.1%，反超了 Qwen3.5-27B 基座。这个结果最能说明问题：当瓶颈在观察冗余和调用次数时，换框架比换大模型划算得多。
还有一个值得留意的落差：同一张 RoboDojo 榜，具身策略论文的混合控制报 48%，少 token 那篇报 51.6%。两边的评测子集和协议未必一致，不能直接比大小；但「换个外层框架，数字就能往上走」这件事，在两篇论文里是一致的。
四问判断清单
第一问：这个任务能不能只用高层指令加现成控制器完成？能，就可以用 Astra 当规划器。
第二问：失败一次要不要人工介入？要，就先算恢复成本，别只看成功率。
第三问：动作需不需要毫秒级闭环？需要，Astra 只能待在上层，控制必须外挂，延迟按上面那个倍率估。
第四问：单次试验的 token 预算撑不撑得住两百多次调用？撑不住，先改调用框架，别急着换模型。
如果你的场景其实是网页、代码或文档，这四问里的后三问都不成立，Astra 的能力可以直接验证；一旦落到现实机械臂上，它就先是个规划器，不是个控制器。
这篇只拆了「两层差在哪」的结构。要看成功率、延迟、示范成本、恢复能力四列怎么逐项核对，机器人能力那篇给了一套按列打分的读法，专门治「看到高成功率就以为能上线」。要把上面那些调用量折成钱，一次任务多少钱里有公式、三个算例和一张记账表，按 token 记，不按感觉记。
一个容易漏掉的空白
对标的二手解读目前还没跟上这条线。kie.ai 那篇 Astra 长文整篇没有出现机器人、具身、操作、执行器任何一个词，Astra 在那边被当成纯数字环境的模型（电脑操作、编码、研究、安全）。也就是说，「规划强、控制弱」这件事现在只有一手论文在讲，二手博客还是空白。查证时直接回论文页，别停在解读层。
两个最常被问的问题
问：GPT-6 Astra 能直接控制机器人吗？
答：不能直接。它做的是高层规划——理解指令、拆步骤、改目标；低层动作要交给学到的操作策略、视觉-语言-动作模型或预训练全身控制器。论文里夹爪 48%、灵巧手 50%、移动操作 38.7% 这三个数，全是「混合控制」的成绩，不是模型单独完成的。纯导航类任务它能主导，指令跟随 92%、物体搜索 82%。
问：为什么 30 秒的机器人动作要算几个小时？
答：一次 30 秒运动跑需要 250 次模型调用，平均每次 39.86 秒，推理期间物理引擎暂停。250 × 39.86 ≈ 9,965 秒，约 2 小时 46 分，等于 332 倍实时。这个倍率是我用论文两个公开数字相乘得来的换算，不是论文结论。
来源和边界
本文的数字来自四篇一手论文页：具身策略系统评测（48%/50%/38.7%/92%/82%、250 次调用与 39.86 秒、6.248 亿与 11.32 亿 token）、少 token 高成功率（63.1%→71.7%、调用少 49%、token 少 65%、51.6% 与 19.4 分、4B 模型 18.8%→44.1%）、RoboDojo 和 具身智能落地缺口。332 倍与 226 美元两处是我用论文公开数字做的换算，不是论文原文结论；48% 与 51.6% 来自不同论文的不同评测设置，不能当作同一实验的对照组。论文里的分数只描述各自实验条件，不构成任何商业承诺。