云財經訊，AI實驗室Andon Labs最近進行的一項評估顯示，搭載頂級大模型的掃地機器人在簡單家務任務中表現糟糕，成功率遠低于人類。實驗要求機器人執行“把黃油遞給人”的多步驟指令，包括跨房間定位、區分包裝、尋找移動位置的人類、完成交付并返回充電。結果顯示，Gemini 2.5 Pro 的成功率僅 40%，Claude Opus 4.1 為 37%，GPT-5 為 30%，明顯落后于人類的表現。 研究指出，大模型在空間推理、環境理解、長期任務規劃等方面依然存在明顯短板。 研究團隊強調，娛樂之外也有嚴肅隱患：某些機器人可被誘導泄露機密文件，部分機型無法識別樓梯風險而從高處跌落，暴露當前大型語言模型(LLM)與機器結合的安全漏洞。