云財(cái)經(jīng)訊，AI實(shí)驗(yàn)室Andon Labs最近進(jìn)行的一項(xiàng)評(píng)估顯示，搭載頂級(jí)大模型的掃地機(jī)器人在簡(jiǎn)單家務(wù)任務(wù)中表現(xiàn)糟糕，成功率遠(yuǎn)低于人類。實(shí)驗(yàn)要求機(jī)器人執(zhí)行“把黃油遞給人”的多步驟指令，包括跨房間定位、區(qū)分包裝、尋找移動(dòng)位置的人類、完成交付并返回充電。結(jié)果顯示，Gemini 2.5 Pro 的成功率僅 40%，Claude Opus 4.1 為 37%，GPT-5 為 30%，明顯落后于人類的表現(xiàn)。 研究指出，大模型在空間推理、環(huán)境理解、長(zhǎng)期任務(wù)規(guī)劃等方面依然存在明顯短板。 研究團(tuán)隊(duì)強(qiáng)調(diào)，娛樂之外也有嚴(yán)肅隱患：某些機(jī)器人可被誘導(dǎo)泄露機(jī)密文件，部分機(jī)型無法識(shí)別樓梯風(fēng)險(xiǎn)而從高處跌落，暴露當(dāng)前大型語言模型(LLM)與機(jī)器結(jié)合的安全漏洞。