ACE-Brain-0.6 supera o GPT-6 Astra em seis de oito testes de ancoragem, mas lidera a média de sete benchmarks por apenas 0,85 ponto

A ACE Robotics lançou em 19 de outubro o ACE-Brain-0.6, um modelo fundacional para robôs de 9B que a empresa descreve como feito para ancoragem espacial visual. Nos testes que a ACE reporta, ele superou o GPT-6 Astra, da OpenAI, em seis das oito avaliações de ancoragem, com margens de 5,45 pontos no Where2Place e 5,27 no RoboSpatial. O modelo sucede o ACE-Brain-0.5 e é baseado no Qwen3.5-9B.

A média dos sete benchmarks públicos é onde a vantagem encolhe: 74,53 para o 0.6 contra 73,68 do Astra, uma diferença de 0,85 ponto. O experimento de escala da ACE põe o ganho no pipeline de dados. Com arquitetura e método de treino fixos, ampliar o corpus de 260 mil amostras para cerca de 1 milhão elevou essa média de 69,3 para 74,5, quase linear em escala logarítmica, cerca de 2,4 pontos por duplicação. Mais amostras dos tipos de dados que já existiam somaram menos de um ponto. O crescimento veio com cenas novas, relações espaciais novas e formas novas de supervisão. Isso deixa o pipeline, e não o modelo de 9B, como a parte que vale testar.

Um milhão de amostras, 2,7 milhões de pares de pergunta e resposta

O conjunto de treino cobre cerca de 940 mil imagens distintas e 2,7 milhões de pares de pergunta e resposta. A ACE combinou mais de 30 famílias de conjuntos de dados abertos de robôs com dados egocêntricos privados, dados de interação humana em primeira pessoa, anotações densas de objetos e partes e dados espaciais 3D. Para o vídeo de manipulação, o pipeline escolhe quadros-chave a partir do estado da garra e da amplitude do movimento, monta automaticamente um vocabulário de objetos da cena e usa Grounding DINO e SAM 3 para localização, reconhecimento de regiões e correção semântica. Depois gera pares de pergunta e resposta de expressões referenciais, contagem, relação espacial, localização de interação e alvo ausente. Verificações de anotação, balanceamento de respostas e exclusão dos dados de avaliação servem para limitar supervisão errada e aprendizado de atalhos. No treino, o codificador de visão fica congelado e só os parâmetros do modelo de linguagem passam por ajuste fino supervisionado, segundo a ACE.

A ACE diz que sua análise constatou que a ancoragem visual do Astra melhorou bastante em relação ao GPT-5.5, enquanto a localização geométrica fina e as relações espaciais complexas ainda fazem o Astra falhar, como colocar «o espaço livre na frente de um objeto» numa área vizinha. A oitava avaliação é da própria empresa: RobotGrounding, 2.591 perguntas em 14 tipos de tarefa, incluindo localização de alvos, reconhecimento de objetos pequenos, contagem de várias instâncias, julgamento de alvo ausente e correspondência entre câmeras. O ACE-Brain-0.6 lidera o Astra ali por 3,03 pontos, margem menor que a registrada no Where2Place e no RoboSpatial, ambos benchmarks públicos. A ACE aponta os casos de alvo ausente, em que o modelo deve informar que um objeto não está lá em vez de dar uma localização plausível mas errada. A empresa também comparou o 0.6 com Claude Opus 5.5, Gemini 4 Argon, modelos da Alibaba DAMO Academy e da BAAI e vários modelos abertos de IA incorporada; a ACE diz que o 0.6 liderou essas comparações.

Todas as pontuações neste artigo são reportadas pela ACE. Os dois benchmarks públicos em que o Astra ficou à frente não são nomeados nos textos do Leiphone, do Xinmin Evening News nem do IT Home, e a página da ACERobotics no Hugging Face listava ACE-Brain-0 e ACE-Brain-0.5 em 19 de outubro, sem nenhum modelo 0.6.