AI hiện có thể nhìn vào một bức ảnh về chiếc kệ IKEA chưa hoàn thành của bạn và cho bạn biết bạn đã làm sai bước nào. Epoch vừa công bố Bộ đánh giá Lắp ráp Đồ nội thất. Mô hình nhận được hướng dẫn dưới dạng PDF và một bức ảnh của sản phẩm chưa lắp xong. Nó phải xác định bước sai và giải thích lỗi, hoặc nói rằng không có lỗi nào. Tháng 11 năm 2025: điểm cao nhất 28% (Claude Opus 4.5) Hôm nay: 80% (GPT-6 Astra) 10 tháng. Tăng 52 điểm. Fable 5.1 đạt 70%. Opus 5 đạt 61%. Nghe có vẻ như một trò chơi, nhưng không phải vậy. Đây chính là kỹ năng mà robot đang thiếu: đọc hướng dẫn, quan sát thế giới thực, và nhận ra rằng thực tế không khớp với kế hoạch. Các bộ đánh giá mã hóa cho bạn biết điều gì xảy ra trên màn hình. Bộ này cho bạn biết AI đã gần với phòng khách của bạn đến mức nào. Để công bằng, đây là một bài kiểm tra nhỏ: 60 bức ảnh, 3 sản phẩm IKEA, và người chấm điểm là một mô hình khác. Tôi sẽ không đặt cược cả ngôi nhà vào con số chính xác này. Nhưng xu hướng quan trọng hơn kích thước. Điều đáng sợ nhất là tốc độ. Từ 28 lên 80 trong chưa đầy một năm, và gần như không ai để ý đến biểu đồ này. Cá nhân tôi, đây là điều khiến tôi thay đổi mốc thời gian của mình. Tôi luôn nghĩ robot trong nhà là chuyện của những năm 2030. Một mô hình có thể kiểm tra công việc vật lý so với hướng dẫn đúng 8/10 lần có nghĩa là phần “bộ não” về cơ bản đã sẵn sàng. Tay robot sẽ là bước tiếp theo.