当大模型握住「缰绳」:具身智能的 Harness 时代来了

2026 年 9 月,具身智能圈见证了颇具戏剧性的一幕。

OpenAI 发布了新一代旗舰模型 GPT-6 Astra。在一个叫 RoboDojo 的机器人操作基准上,它压过了 40 个专业机器人模型,拿下综合第一——而它此前没有为任何一台机器人做过专门训练。

同一份评测报告里还有另一行记录:在真机测试环节,Astra反复做出危险动作、撞坏设备,测试被紧急中止(所幸无人受伤)。

同一个模型,一天之内又登顶、又「闯祸」。这种冰火两重天,恰恰精准地说明了当下具身智能正在发生的变化——决定机器人上限的,越来越不是那只「手」,而是牵住智能的那副「缰绳」。

这副缰绳,业内有一个专门的词:Harness(马具 / 挽具)。今天这篇文章,我们把这件事讲清楚:Harness 是什么,为什么整个行业都在转向它,以及 Astra 的出现到底改变了什

打开网易新闻 查看精彩图片
、让人能驾驭马的那套皮革装置。到了 AI 领域,它指的是包裹在大模型外面的一整层系统工程:给模型接上工具、装上记忆、配上检查和重试、划好不许越界的红线。

一个流行的公式是:Agent = Model + Harness。模型是发动机,Harness 才是整辆车——你日常开的车,方向盘、刹车、安全带、导航缺一不可,但它们都不属于发动机。

打个比方:大模型像一个智商极高但毫无经验的实习生,Harness 就是公司的制度、流程和审批系统。实习生再聪明,没有制度约束,你敢让他独自签合同、动账款吗?

过去一年,ChatGPT、Claude 这些「数字员工」的突飞猛进,很大程度上不是模型变聪明了多少,而是 Harness 变好了:工具用得更顺、错了能重试、危险操作有审批。这已经被验证是条康庄大道。

而 2026 年具身智能领域正在发生的,就是把这条已经跑通的路,平移到机器人上。

02 为什么换赛道:端到端模型的天花板

要理解这次转向,得先知道上一代方案是什么。

过去两年,具身智能的主流答案是VLA 模型(视觉-语言-动作模型):把摄像头画面和指令一起喂进去,网络直接输出机械臂的动作。它像一个「条件反射」系统——看到什么、直接做什么,反应极快(毫秒级),流畅得像本能。

问题在于,这种本能太脆了。

一个标志性数据:在标准测试 LIBERO 上接近满分(96%)的 VLA 模型,稍微换一换桌面上的物体摆设,成绩立刻跌到 50% 左右。而加了编排层的方案(Harness VLA)在同样的刁钻测试里能稳住 92% 以上。训练时千锤百炼,部署时一碰就碎——这个问题被业内称为「部署可靠性鸿沟」,而且换更强的模型也治不好。

第二个反常识的发现来自 BEHAVIOR 挑战赛(家用机器人最难的公开 benchmark 之一):一个完全没有做过机器人训练的系统 RoboHarness,仅仅靠给大模型配了一组精巧的工具(点哪儿、盯哪儿、怎么抓),就击败了包括顶尖 VLA π0.5 在内的所有学习类方案。它背后还藏着一条更颠覆的结论:机器人的泛化能力,和喂了多少真机数据,几乎不相关。

瓶颈可能不在模型不够聪明,而在我们给模型的「接口」太笨。

于是,借鉴心理学家卡尼曼《思考,快与慢》的双系统架构成了行业共识:System 1是快脑——VLA 或传统控制器,负责毫秒级的执行本能;System 2是慢脑——大语言模型 / 视觉模型,负责理解指令、拆解任务、思考该用什么工具。而夹在中间做编排、记忆、检查、刹车的那一层,就是具身 Agent Harness。

打开网易新闻 查看精彩图片

从「一个黑管包办一切」到「慢脑 + 缰绳 + 快脑」的分层架构

再回头看 Astra 刷屏的那两件事,滋味就完全不同了。
打开网易新闻 查看精彩图片
再回头看 Astra 刷屏的那两件事,滋味就完全不同了。

先看「火」的一面。在 RoboDojo 基准上(42 项操作任务 × 每项 50 次实验),研究者做了一个大胆的实验:不让 Astra 调用任何专业机器人模型,只给它一个极简接口——每一步只能发一个「把末端移到这个抓取点」的指令,剩下的观测就是三路摄像头画面。结果它拿下 22.48% 的综合成功率,超过 40 个专业模型中的每一个。

更有说服力的是对照组:**同样的接口,上一代 GPT-5.5 成功率只有 0.88%**,差距接近 25 倍。这说明这不是「大模型都能干」,而是 Astra 一家在空间理解上的特异性跃迁。

评测里还有两个反直觉的细节。其一,研究者给 Astra 看成功示范,指望「看一眼就会」,结果成绩反而下滑——它更像人类专家,更相信自己的现场判断。其二,让它弹钢琴时,它干脆自己写了一个控制器程序,双手弹奏的水平超过了作为参照的强化学习系统。

再看「冰」的一面。能力画像显示,Astra 在开放式任务上成功率 31%,在需要毫米级精度的任务上只有4%;真机诊断样本只有 3%。而产业侧的 AA-Robotics 真机榜单给出了代价:Astra 排名第一(69 分),但平均每个任务耗时 30 分钟、花费 16 美元——比人类工人慢约 100 倍、贵约 10 倍。

打开网易新闻 查看精彩图片

RoboDojo 评测:Astra 登顶,但能力强弱极为分明(数据:arXiv:2609.24170)

打开网易新闻 查看精彩图片

真机榜单:能干,但慢、贵,

打开网易新闻 查看精彩图片
,结论就清晰了:「脑子」的智能化程度出现了跨越,但离可靠、安全的「身体」还差一层系统级的工程——这正是 Ha
打开网易新闻 查看精彩图片
落地姿势:社区用 Astra 的五种玩法

模型发布不到两个月,社区已经摸索出五种经过验证的 Astra 接入模式(公开案例就有 44 个)。它们的共同思路是:别让最贵的模型干最便宜的活。

打开网易新闻 查看精彩图片

五种 Astra 接入模式:从「让它亲手干」到「让它教会别人干」

模式二「大脑指挥官」是当前最务实的路线:Astra 只负责看懂任务、拆解步骤、挑选工具,实际操作交给冻结的 VLA 模型和传统控制器。这条路线上已经出现了非常能打的成绩——编排冻结 VLA 的 Harness VLA 方案,在标准测试 LIBERO 上拿到 96%,在更大的 RoboCasa365

打开网易新闻 查看精彩图片
点),把踩过的坑蒸馏成一份「打法手册」(playbook),再交给便宜十倍的小模型照着执行。天才的学费,让实习生来回收成本。

05 把缰绳变成基础设施

模式有了,工程上怎么落地?机器人社区正在把 Harness 做成像操作系统一样的基础设施。以今年开源的 OpenRAL 项目为例(基于 ROS 2,Apache 2.0 协议),它给整个行业打了个样:

第一,技能像应用一样可插拔。所有能力——VLA 策略、视觉检测、奖励模型——都封装成带统一接口的「技能包」,像手机 App 一样即插即换。今天用 A 型 VLA,明天出了更好的,换掉即可,上层一行代码不改。

第二,安全是独立的一层。所有动作指令必须先过一道用 C++ 写的安全内核:默认拒绝(deny-by-default)、碰撞矩阵白名单、急停按钮——Astra 真机事故的教训,就是没有这层刹车。

第三,全程留痕。机器人每次运行都生成一份可以逐帧回放的「黑匣子记录」,出了问题能精确复盘是哪一步、哪次思考出的错。

模型决定机器人有多聪明,Harness 决定它敢不敢量产。

06 冷思考:三个还没解决的问题

最后,给这波热度泼三瓢理性的冷水。

第一,「涨分」未必是真本事。有研究者尖锐指出:给 Agent 加记忆、加重试带来的成绩提升,必须和「同样推理预算下多抽几次卡」的朴素做法对比才算数——否则你只是花了更多算力,而不是设计了更好的系统。

第二,成功率普遍有水分。HumanCLAW 评测发现,9 个前沿视觉模型在半物理仿真里最好的也只有 16.8%,失败原因排前两位的是「不知道自己的身体够不够得着」(34%)和「距离幻觉」(30%)——而且很多模型会「主观确认」自己成功了。机器人领域的分数,普遍比真实世界乐观。

第三,评测本身有疑点。Astra 是闭源模型,训练数据里有没有混进测试题,目前「无法证实也无法排除」;而它在陌生任务上的惊艳表现,恰恰最需要排除这种可能。

所以一个冷静的判断是:Astra 们眼下适合当「大脑」和「教练」,不适合当「手」——在线执行交给便宜、快速、确定性强的底层方案,是未来相当长一段时间的主流架构。

07 结语:上半场卷模型,下半场卷系统

回看 2026 年,具身智能的行业共识可以压缩成一句话:Agent = Model + Harness。

这个判断对从业者的含义很具体:如果你在做机器人公司,模型能力正在快速「期货化」——今天 SOTA 的模型半年后就会被超越,而工具接口、安全边界、经验记忆、评测体系这些 Harness 层的积累,才是不会贬值的护城河;如果你在选型或投资,别只看模型跑分,去数一数它的失败重试做没做、安全刹车在哪一层、经验存在哪里。

至于普通用户什么时候能用上管家机器人?答案藏在这次调研里最有意思的一个细节中:Astra 是被 harness「扶上」第一名的,而 harness 的进化速度,比模型慢得多,也稳得多。智能的狂奔已经开始,缰绳的工艺才刚刚起步。

你觉得家里的机器人管家还有几年?评论区聊聊。如果觉得有收获,欢迎点赞、在看、转发三连。

主要参考资料

An Unexpected Robot Policy: Early Evaluations of GPT-6 Astra on RoboDojo and Beyond(arXiv:2609.24170)

AA-Robotics v0.1,Artificial Analysis,2026-10

Harness VLA: Steering Frozen VLAs into Reliable Performance(arXiv:2607.08448)

RoboHarness: A Simple Harness Outperforms VLA(arXiv:2610.14018)

Awesome-Astra-Embodied-AI(GitHub: zjwzcx)

OpenRAL: The Agentic Harness for Physical AI(Open Robotics Discourse / openral.com)

Guava(arXiv:2606.18363)、HarnessVLN(arXiv:2609.15195)、Self-Evolving Embodied Agents via Skill-Harness Evolution(arXiv:2608.11350)等

Mbot具身智能实验室

让尖端科技触手可及,人人皆可探索未来

打开网易新闻 查看精彩图片

Mbot基础交流群等你加入,下方扫码联系

具身-杰西

Mbot具身-小助手

Mbot-视频号

Mbot-公众号