ACE-Brain-0.6 supera a GPT-6 Astra en seis de ocho pruebas de anclaje, pero solo lidera por 0,85 puntos la media de siete benchmarks

ACE Robotics presentó el 19 de octubre ACE-Brain-0.6, un modelo fundacional para robots de 9B que la empresa describe como diseñado para el anclaje espacial visual. En las pruebas que ACE reporta, superó a GPT-6 Astra, de OpenAI, en seis de las ocho evaluaciones de anclaje, con márgenes de 5,45 puntos en Where2Place y 5,27 en RoboSpatial. El modelo sucede a ACE-Brain-0.5 y se basa en Qwen3.5-9B.

La media de los siete benchmarks públicos es el dato más ajustado: 74,53 para 0.6 frente a 73,68 de Astra, una ventaja de 0,85 puntos. El experimento de escalado de ACE sitúa la ganancia en el pipeline de datos. Con la arquitectura y el método de entrenamiento fijos, ampliar el corpus de 260.000 muestras a cerca de un millón elevó esa media de 69,3 a 74,5, casi lineal en escala logarítmica, unos 2,4 puntos por cada duplicación. Más muestras de los tipos de datos que ya existían aportaron menos de un punto. El crecimiento llegó con escenas nuevas, relaciones espaciales nuevas y formas nuevas de supervisión. Eso deja al pipeline, y no al modelo de 9B, como la pieza que merece una prueba.

Un millón de muestras, 2,7 millones de pares de pregunta y respuesta

El set de entrenamiento abarca unas 940.000 imágenes distintas y 2,7 millones de pares de pregunta y respuesta. ACE combinó más de 30 familias de conjuntos de datos abiertos de robots con datos egocéntricos privados, datos de interacción humana en primera persona, anotaciones densas de objetos y partes y datos espaciales 3D. Para el vídeo de manipulación, el pipeline elige fotogramas clave a partir del estado de la pinza y la amplitud del movimiento, construye automáticamente un vocabulario de objetos de la escena y usa Grounding DINO y SAM 3 para localización, reconocimiento de regiones y corrección semántica. Después genera pares de pregunta y respuesta de expresiones referenciales, conteo, relación espacial, ubicación de interacción y objetivo ausente. Los controles de anotación, el equilibrio de respuestas y la exclusión de los datos de evaluación están ahí para limitar la supervisión errónea y el aprendizaje de atajos. En el entrenamiento, el codificador de visión permanece congelado y solo se ajustan con supervisión los parámetros del modelo de lenguaje, según ACE.

ACE dice que su análisis encontró que el anclaje visual de Astra mejoró notablemente respecto a GPT-5.5, mientras que la localización geométrica fina y las relaciones espaciales complejas todavía lo hacen fallar, como colocar «el hueco libre delante de un objeto» en una zona contigua. La octava evaluación es de la propia empresa: RobotGrounding, 2.591 preguntas de 14 tipos de tarea, entre ellas localización de objetivos, reconocimiento de objetos pequeños, conteo de varias instancias, juicio de objetivo ausente y correspondencia entre cámaras. ACE-Brain-0.6 supera allí a Astra por 3,03 puntos, un margen más estrecho que el de Where2Place y RoboSpatial, ambos benchmarks públicos. ACE señala los casos de objetivo ausente, en los que el modelo debe informar de que un objeto no está en lugar de dar una ubicación plausible pero equivocada. También comparó 0.6 con Claude Opus 5.5, Gemini 4 Argon, modelos de Alibaba DAMO Academy y BAAI y varios modelos de IA corporizada de código abierto; ACE dice que 0.6 lideró esas comparaciones.

Todas las puntuaciones de este artículo las reporta ACE. Los dos benchmarks públicos en los que Astra quedó por delante no aparecen nombrados en los textos de Leiphone, Xinmin Evening News ni IT Home, y la página de ACERobotics en Hugging Face listaba ACE-Brain-0 y ACE-Brain-0.5 el 19 de octubre, sin ningún modelo 0.6.