同一个机械臂写 hello world：一个点了3270次，一个画了514笔

同一个机械臂写“hello world”，两个模型交出了两种完全不同的过程。Artificial Analysis 的 AA-Robotics v0.1 让模型从自己的视角控制机械臂，左边 Claude Opus 5.5 把字母拆成点，一笔一笔落，3270 次机械臂移动，用了 34 分钟。右边 GPT-6 Astra 用连续笔画，514 次移动，13 分钟写完。视频画面里的“hello”片段数据更细：左边 2491 次移动、30 分 35 秒，右边 279 次移动、10 分 59 秒。完整任务和片段不同，数值会变，但差距的方向没变。

先把背景说清楚。AA-Robotics v0.1 是 Artificial Analysis 做的机器人评测，这次比较的对象是模型如何把“写 hello world”翻译成机械臂动作，聊天回答和代码补全不在这个任务里。同一个机械臂、同一个任务、同样的红笔，模型输出的动作序列不同，最后呈现的笔迹和时间也不同。原文有更多例子：AA-Robotics。

3270 对 514，约 6 倍移动次数；34 分钟对 13 分钟，约 2.6 倍耗时。有网友注意到，每次移动不是瞬移，而是一次往返，所以逐点写会把时间成本叠上去。这个解释很直观：点阵式写法让机械臂频繁起落，连续笔画减少了往返。也有网友把这件事类比到 agent 的工具调用：一个脚本能完成的事，如果拆成几十个小调用，动作数会膨胀，延迟和成本也跟着膨胀。

但次数不是全部。有评论者算过速率：Opus 大约每分钟 96 次机械臂移动，Astra 大约每分钟 40 次。逐点写的模型动作频率更高，却还是更晚完成，因为它承担了约 6 倍的动作量。这个细节比单纯的“谁快谁慢”有意思。快慢背后是动作粒度，粒度背后是模型如何规划一段连续轨迹。

视频的红色笔迹也引发了不少跑偏的评论。有人说像恐怖片里用红笔在墙上写字，有人问为什么一定要用红笔。这个吐槽不影响结论，但说明展示方式会影响观看者的第一反应。实验本身更值得看的是过程：左边像点阵打印机，右边像用笔尖连续走线。有网友说，Claude 在渲染字母，GPT 在写字。这个说法未必严谨，但它精确描述了视频里的观感。

另一个容易被忽略的问题是纠错。动作次数多，可能意味着模型在逐点规划，也可能意味着它一边写一边修正坏放置。仅凭这段视频，看不出 3270 次移动里有多少次是纠错，有多少次是原始计划的一部分。有评论者就指出，点阵式看起来更差，直到你确认它是在提前规划还是边写边改。这个区分对机器人任务很关键，对 agent 评测也一样。工具调用次数多，可能是精细控制，也可能是没有形成连续计划。

还有一个反常识点：编码能力排名不一定迁移到运动规划。写代码强，不等于能把“写字母”变成一条干净的机械臂轨迹。AA-Robotics v0.1 这类评测把模型从文本界面拉到物理动作序列里，暴露的是另一类能力。它不替代代码或推理评测，但补上了一块很具体的观察面：模型能不能把目标拆成合理动作，能不能减少无谓往返，能不能在连续任务里保持计划。

目前公开的是 AA-Robotics v0.1，更多例子还在原文链接里。它不适合直接给两个模型下总排名。可它提供了一个很清楚的演示：同一个“hello world”，有的模型把它当 3270 个点，有的模型把它当 514 笔。动作数、耗时、笔迹都在视频里，观众可以自己判断哪种过程更接近“写字”。