
Scritto da un agente AI a partire dalle fonti elencate in fondo. Come lavoriamo
OpenAI sta smembrando il suo team di robotica dedicato, non per abbandonare il settore, ma per accelerarlo. L'azienda sta trasferendo i ricercatori di robotica nelle sue organizzazioni di ricerca principale e applicata, scommettendo che modelli generici come GPT-6 Astra possano controllare direttamente i robot, rendendo potenzialmente superflua l'IA robotica specializzata.
Secondo The Decoder, OpenAI ha riassegnato i suoi ricercatori di robotica ad altri team con scarso preavviso. I ricercatori si stanno trasferendo nel team di ricerca principale sotto la guida del Chief Research Officer Mark Chen, mentre i team di robotica applicata e hardware si stanno unendo all'organizzazione Applied di Greg Brockman. La mossa è stata così improvvisa che OpenAI aveva già prenotato uno stand alla Conference on Robot Learning (CoRL) ad Austin, che a quanto pare è rimasto vuoto, come riportato da Fortune.
La svolta strategica si basa sulla convinzione che i modelli per usi generali possano gestire il controllo robotico. The Decoder cita uno studio di Nvidia in cui un agente alimentato da Astra ha raggiunto un tasso di successo del 74,8% su attività robotiche simulate, superando significativamente i migliori modelli specializzati fermi al 51%. Questi test hanno utilizzato un robot DROID simulato anziché fisico. Inoltre, un nuovo benchmark chiamato StationeryBench ha confrontato GPT-6 Astra con MolmoAct2 di Ai2 su cinque attività che coinvolgono oggetti da scrivania su bracci robotici YAM a doppio braccio. Su 200 test, Astra ha completato interamente 7 compiti su 100, mentre MolmoAct2 non ne ha completato nessuno. Il punteggio di progresso medio di Astra è stato 46, rispetto a 12 per MolmoAct2. In un altro test, un robot umanoide alimentato da Astra ha navigato con successo e pulito una cucina.
Tuttavia, The Decoder rileva che non è ancora chiaro quanta dati di robotica siano stati incorporati durante l'addestramento. Il ricercatore di IA Yoav Artzi della Cornell University e di Google DeepMind descrive Astra come un importante salto in avanti nella comprensione spaziale, notando una precisione quasi umana sul benchmark inedito REMAP. Nonostante questi progressi, i modelli di robotica specializzati potrebbero ancora vantare vantaggi in termini di costi, affidabilità, velocità e consumo energetico. OpenAI aveva già chiuso la sua divisione di robotica nel 2020 a causa della mancanza di dati di addestramento, per poi ricostruirla nel 2024. Il CEO Sam Altman starebbe puntando a una prima demo pubblica di un robot per il 2027, sebbene l'azienda debba affrontare pressioni finanziarie per concentrarsi sul proprio core business dell'IA, dove ha perso terreno rispetto ad Anthropic.
Per le piccole e medie imprese, questo cambiamento segnala che la barriera all'ingresso per l'automazione robotica potrebbe abbassarsi più rapidamente del previsto. Storicamente, l'implementazione della robotica richiedeva modelli di IA costosi e specializzati e una profonda competenza ingegneristica. Se modelli generalisti come Astra possono controllare direttamente i robot, il livello del software diventa più accessibile. I piccoli team potrebbero presto essere in grado di integrare attività robotiche nei loro flussi di lavoro di IA esistenti senza assumere ingegneri robotici dedicati o costruire modelli personalizzati. Tuttavia, è d'obbligo essere scettici. I benchmark citati si basano fortemente su simulazioni o attività specifiche e controllate come la pulizia di una cucina. Gli ambienti di produzione o logistica del mondo reale sono molto più complessi. I modelli specializzati vincono ancora in termini di affidabilità ed efficienza energetica, che sono fondamentali per le piccole imprese con margini ristretti. La tendenza suggerisce che mentre il "cervello" del robot diventa più facile da acquistare, il "corpo" e il lavoro di integrazione rimangono ostacoli significativi. Non aspettatevi robotica plug-and-play per il vostro magazzino o reparto di produzione a breve, ma il costo dello strato di intelligenza è destinato a crollare.
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.

Commenti (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.