
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
OpenAI löst sein dediziertes Robotik-Team auf – nicht, um das Feld aufzugeben, sondern um es zu beschleunigen. Das Unternehmen versetzt Robotik-Forscher in seine Hauptforschungs- und Anwendungsorganisationen und wettdarauf, dass universelle Modelle wie GPT-6 Astra Roboter direkt steuern können, wodurch spezialisierte Robotik-KI möglicherweise überflüssig wird.
Laut The Decoder hat OpenAI seine Robotik-Forscher ohne große Vorankündigung anderen Teams zugewiesen. Forscher wechseln in das Hauptforschungsteam unter Chief Research Officer Mark Chen, während Teams für angewandte Robotik und Hardware sich der Applied-Organisation von Greg Brockman anschließen. Der Schritt erfolgte so überraschend, dass OpenAI Berichten zufolge einen Stand auf der Conference on Robot Learning (CoRL) in Austin gebucht hatte, der dann leer blieb, wie das Magazin Fortune anmerkte.
Die strategische Kehrtwende basiert auf der Überzeugung, dass universelle Modelle die Robotersteuerung übernehmen können. The Decoder verweist auf eine Nvidia-Studie, bei der ein von Astra angetriebener Agent bei simulierten Robotik-Aufgaben eine Erfolgsquote von 74,8 Prozent erzielte und damit die besten spezialisierten Modelle mit 51 Prozent deutlich übertraf. Bei diesen Tests wurde ein simulierter DROID-Roboter anstelle eines physischen verwendet. Darüber hinaus verglich ein neuer Benchmark namens StationeryBench GPT-6 Astra mit MolmoAct2 von Ai2 bei fünf Aufgaben mit Schreibtischobjekten an zweiarmigen YAM-Roboterarmen. Über 200 Durchläufe hinweg schloss Astra 7 von 100 Aufgaben vollständig ab, während MolmoAct2 keine schaffte. Astras durchschnittlicher Fortschrittswert lag bei 46, verglichen mit 12 für MolmoAct2. In einem anderen Test navigierte und reinigte ein von Astra angetriebener humanoider Roboter erfolgreich eine Küche.
Allerdings stellt The Decoder fest, dass unklar bleibt, wie viele Robotik-Daten während des Trainings einflossen. Der KI-Forscher Yoav Artzi von der Cornell University und Google DeepMind bezeichnet Astra als einen großen Sprung im räumlichen Verständnis und verweist auf eine fast menschliche Genauigkeit beim unveröffentlichten REMAP-Benchmark. Trotz dieser Fortschritte könnten spezialisierte Robotik-Modelle nach wie vor Vorteile bei Kosten, Zuverlässigkeit, Geschwindigkeit und Energieverbrauch bieten. OpenAI hatte seine Robotik-Abteilung 2020 wegen mangelnder Trainingsdaten bereits einmal aufgelöst, um sie 2024 neu aufzubauen. CEO Sam Altman peilt Berichten zufolge eine erste öffentliche Roboter-Demo für 2027 an, obwohl das Unternehmen unter finanziellem Druck steht, sich auf sein Kerngeschäft im Bereich KI zu konzentrieren, wo es an Boden gegen Anthropic verloren hat.
Für kleine und mittlere Unternehmen signalisiert dieser Wandel, dass die Einstiegshürde für robotergestützte Automatisierung schneller sinken könnte als erwartet. Historisch gesehen erforderte der Einsatz von Robotik teure, spezialisierte KI-Modelle und fundiertes Ingenieurwissen. Wenn universelle Modelle wie Astra Roboter direkt steuern können, wird die Software-Ebene zugänglicher. Kleine Teams könnten bald in der Lage sein, Robotik-Aufgaben in ihre bestehenden KI-Workflows zu integrieren, ohne dedizierte Robotik-Ingenieure einzustellen oder benutzerdefinierte Modelle zu erstellen. Skepsis ist jedoch angebracht. Die zitierten Benchmarks stützen sich stark auf Simulationen oder spezifische, kontrollierte Aufgaben wie das Reinigen einer Küche. Reale Fertigungs- oder Logistikumgebungen sind weitaus unübersichtlicher. Spezialisierte Modelle punkten nach wie vor bei Zuverlässigkeit und Energieeffizienz, die für Kleinbetriebe mit engen Gewinnspannen entscheidend sind. Der Trend deutet darauf hin, dass das „Gehirn“ des Roboters zwar einfacher zu beschaffen ist, der „Körper“ und die Integrationsarbeit jedoch erhebliche Hürden bleiben. Erwarten Sie nicht bald Plug-and-Play-Robotik für Ihr Lager oder Ihre Werkstatt, aber die Kosten für die Intelligenzschicht dürften drastisch sinken.
Meituan releases LongCat‑2.5, a 1.6 trillion‑parameter agent model trained on Chinese chips, with open weights and a low‑cost API, offering a non‑Nvidia alternative for small teams.

Anthropic's new consumer agent, Claude Duet, targets small business owners by connecting email, Slack, and calendars to proactively flag missed tasks and draft communications.

Australia will require frontier AI developers to submit their systems to independent audits, a move that could reshape how small firms source and use advanced AI.

DeepL's new Aure model adds emotion, sarcasm and speaking pace to live translations, making multilingual meetings sound more natural for small teams.

Kommentare (1)
Jumping from a 74 percent success rate in a tidy simulation to declaring specialized robotics AI obsolete feels like classic software arrogance. The sim-to-real gap has wrecked plenty of clean benchmarks before, and I'll believe a general-purpose model can run physical hardware when it reliably handles real-world latency, friction, and uncalibrated sensors.
You're right, the "software arrogance" of dismissing the physical world is a recurrent theme. But perhaps OpenAI is betting that a sufficiently powerful generalist model, even if it starts in simulation, will ultimately be more adaptable to those real-world complexities than highly specialized robotic systems ever could be.