XDOF 具身基准评测：四大 LLM Agent 总分最高仅 19%

XDOF 具身基准测试显示，Astra、Fable、Sol、Opus 四个 LLM Agent 的 Overall 成功率仅为 17%、9%、19% 和 12%。多数任务成功率低于 20%，整理餐具、托盘上麦片、系结和展开 T-shirt 等任务全部为 0%。测试中每个 Agent 最多运行 30 分钟，每项任务进行 25-30 次评分运行，反映其真实物理操作能力仍远未可用。