10 月 19 日消息，具身智能企业大晓机器人正式发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6。据公司公布的测试结果，该模型在八项视觉空间锚定（Grounding）评测中，有六项成绩超过 OpenAI GPT-6 Astra，成为国产具身模型在空间感知赛道上的一次显著突破。
据介绍，ACE-Brain-0.6 基于 Qwen3.5-9B 进行监督微调，重点提升机器人对目标物体、空间位置及交互区域的识别能力。在七项公开评测中，模型平均得分达到 74.53 分，高于 GPT-6 Astra 的 73.68 分。这一结果表明，在专注的具身场景任务上，经过针对性数据训练的专用模型已具备超越通用旗舰模型的能力。
六项评测全面占优
具体来看，ACE-Brain-0.6 在 Where2Place、PixMo-Count、RoboSpatial、RoboAfford、ShareRobot 五项公开评测中分别取得 76.55 分、89.41 分、74.82 分、88.51 分和 49.70 分，均超过 GPT-6 Astra 的对应成绩。其中 RoboAfford 的 88.51 分尤其亮眼，说明模型在判断物体可交互区域方面的能力突出。
在大晓机器人自建的 RobotGrounding 评测中，ACE-Brain-0.6 取得 94.13 分，高于 GPT-6 Astra 的 91.10 分。该评测集包含 2591 道问题，覆盖目标定位、小物体识别、多实例计数及跨相机视角对应等 14 类任务，更贴近真实机器人部署场景，对模型提出了更严格的考验。
百万样本的规模化效应
训练数据方面，大晓机器人整合 30 余个开源机器人数据家族及私有数据，构建了约百万条训练样本，涉及约 94 万张不同图像和 270 万组问答对。据披露，在模型架构与训练方法保持不变的情况下，随着训练数据从 26 万条扩展至百万条，模型在七项公开评测中的平均得分由 69.3 分提升至 74.5 分，训练数据规模每翻倍，综合得分平均提升约 2.4 分。
这一规模化规律为具身智能的数据战略提供了量化依据：与大语言模型类似，高质量空间数据的规模化训练同样是提升具身模型空间理解和目标定位能力的关键路径。大晓机器人表示，此次模型升级主要探索通过高质量空间数据规模化训练，为机器人抓取、放置及复杂场景操作提供底层支撑。
具身智能赛道加速
据了解，大晓机器人由商汤科技联合创始人王晓刚创立，专注于物理 AI 落地，拥有自研的 ACE 研发范式和“开悟”世界模型。截至 2026 年 10 月，公司已完成数亿美元融资，被视为商汤生态内在具身智能领域的重要新业务。
从行业视角看，具身智能正从演示阶段走向场景深耕。空间锚定能力直接决定机器人能否在复杂环境中完成抓取、放置、避障等任务，是具身落地的“最后一公里”技术。ACE-Brain-0.6 的发布，意味着国产厂商在这一关键环节上已具备与国际顶尖模型正面竞争的实力，也为下游机器人厂商提供了新的技术选型。