AI 現在可以查看一張你未完成的宜家架子照片，並告訴你哪一步出錯了。 Epoch 剛剛發布了家具組裝基準測試。 該模型會收到一份說明 PDF 和一張半組裝物品的照片，它必須找出錯誤的步驟並解釋錯誤，或說明沒有錯誤。 2025 年 11 月：最高分 28%（Claude Opus 4.5） 今天：80%（GPT-6 Astra） 10 個月。+52 分。 Fable 5.1 為 70%。Opus 5 為 61%。 聽起來像個玩具，但其實不是。 這正是機器人所欠缺的技能：閱讀說明書、觀察現實世界，並發現現實與計劃不符。 編程基準測試告訴你螢幕上發生了什麼，而這個測試則告訴你 AI 距離你的客廳有多近。 公平地說，這是一個小規模測試：60 張照片、3 款宜家產品，評分者也是另一個模型。我不會拿房子來賭這個數字的精確性。 但趨勢比規模更重要。 最令人擔憂的是速度：不到一年內從 28% 提升到 80%，而幾乎沒有人關注這張圖表。 就個人而言，這是我推進時間線的關鍵。我一直以為家中的機器人是 2030 年代的事。一個能以 80% 的準確率檢查實物與說明是否一致的模型，意味著「大腦」部分已基本到位。 接下來就是「手」了。