OpenAI robotica: 74,8 procent in simulatie
OpenAI robotica is herschikt, niet ontbonden, zegt OpenAI. De 74,8 procent komt van Nvidia en is in een simulator gemeten. Vergelijk wachttijd en kosten.

16 november 2026
Een algemeen AI-model haalde 74,8 procent op een gesimuleerde robottest. Het beste gespecialiseerde robotmodel op dezelfde ranglijst haalde 51,0 procent. Dat verschil van 23,8 procentpunt staat achter het bericht over OpenAI robotica: de afdeling is niet langer zelfstandig. Het getal komt niet van OpenAI maar van Nvidia, en het is gemeten in een simulator, niet op een vloer.
Bright meldde op 15 november dat er geen ontslagen vallen en dat het personeel naar algemenere onderzoeksteams gaat. Hieronder staat wat vaststaat, wat de test wel en niet meet, en een vergelijker waarmee je zelf ziet wat die 74,8 procent kost.
OpenAI robotica: opgeheven of herschikt?
Fortune meldde op 13 november dat OpenAI zijn zelfstandige robotteam had ontbonden. Dat stuk kregen we niet open. Wat hier staat komt uit MadRobot van 13 november, dat zijn eigen kop later corrigeerde: OpenAI zegt dat het team is herschikt, niet ontbonden. De onderzoekers vallen volgens die bron onder het hoofdonderzoeksteam van Mark Chen, het toegepaste robot- en hardwareteam onder Applied van Greg Brockman.
Bright schrijft dat er geen ontslagen vallen. MadRobot meldt dat OpenAI niet heeft gezegd hoeveel mensen de wijziging raakt. Beide kunnen kloppen, maar "geen ontslagen" staat nu op één bron.
- Februari 2025Figure kondigt eigen robot-AI aan, de samenwerking met OpenAI stopt (Bright)
- 14 oktober 2026Nvidia publiceert de Astranomy-studie over GPT-6 Astra als robotbestuurder
- 13 november 2026Fortune bericht over de wijziging, OpenAI spreekt van herschikt (MadRobot)
- 15 november 2026Bright zet het bericht in het Nederlands
- 2027Geplande demonstratie van OpenAI’s eigen humanoïde robot (Bright)
Het getal komt van Nvidia, niet van OpenAI
Bright schrijft de 74,8 procent toe aan OpenAI: "volgens het bedrijf". De bron is een studie van Nvidia Research, Astranomy, van 14 oktober 2026 bij de robotconferentie CoRL. Daarin bestuurde GPT-6 Astra zonder extra robottraining een gesimuleerde robotarm op RoboLab-120: 120 taken waarbij voorwerpen verplaatst worden, vijf pogingen per taak. De test zelf staat bij arXiv.
Het hoogste cijfer hoort bij de Agentic Policy, Astra in een doorlopende Codex-sessie. Bij directe aanroep haalt hetzelfde model 66,3 procent. Het getal van 51 procent bij Bright is Lakeside, het sterkste robotmodel dat Nvidia in de ranglijst laat zien. De opzet lijkt op wat we beschreven bij GPT-6 Astra in Codex. Eerst de basis nodig? Lees dan wat is ai en wat large language models doen.
| Beleid | Succes |
|---|---|
| Astra, Agentic Policy | 74,8 procent |
| Astra, Orchestrated Policy | 66,5 procent |
| Astra, Direct Policy | 66,3 procent |
| Lakeside (robotmodel) | 51,0 procent |
| Cosmos3-Nano-Policy | 36,8 procent |
| π0.5 | 28,0 procent |
Wat kost die 74,8 procent aan wachttijd en tokens?
Kies twee beleidsvormen uit de Nvidia-tabel. De vergelijker rekent het verschil uit en laat "niet vermeld" staan waar Nvidia geen getal geeft. Over de kosten schrijft Nvidia in de samenvatting "per episode" en onder de grafiek "per geslaagde episode"; het getal is hier overgenomen zoals het staat.
Een score in een simulator is nog geen robot in een keuken
De herschikking is logisch en het bewijs erachter is dun. Logisch, omdat een model dat zonder robottraining boven een gespecialiseerd model uitkomt een reden is om teams dichter bij elkaar te zetten. Dun, omdat Nvidia zelf schrijft dat algemene modellen kampen met lange wachttijden voor praktisch gebruik buiten het lab.
Direct aanroepen kost 18,56 seconden per keer. De beste score vraagt 30,9 miljoen tokens, 36,40 dollar tegenover 1,96 dollar voor de directe aanpak: 36,40 gedeeld door 1,96 is ongeveer 18,6 keer zoveel. Bright noemt daarnaast critici die zeggen dat praktijkdata voor robots heel belangrijk is en dat grote taalmodellen te traag kunnen zijn voor de voortdurende keuzes van een robot.
Simulatiescores wegwuiven is óók te makkelijk
RoboLab-120 is een simulatiebenchmark met hoge detailgetrouwheid, en alle vergeleken beleidsvormen werden in dezelfde simulator gemeten. Een voorsprong van 23,8 procentpunt bij 120 taken met vijf pogingen is geen toevalstreffer. Of dezelfde voorsprong op een echte robot blijft staan, zegt de studie niet.
Ook onze eigen bronnen hebben een zwak punt. Bright en MadRobot geven het OpenAI-verhaal door. Het Fortune-stuk zelf lazen we niet, en OpenAI publiceerde volgens MadRobot geen eigen verklaring.
Controleer bij je volgende robotbericht deze drie dingen
Zoek in het bericht naar drie antwoorden voordat je een getal doorstuurt.
- Wie mat het? Het bedrijf zelf of een lab daarbuiten. Hier is het Nvidia, niet OpenAI.
- Waar mat men het? Een simulator of een fysieke robot.
- Wat kostte het? Kijk naar de wachttijd per aanroep en de prijs per poging.
De demo van 2027 is de eerste echte toets
OpenAI mikt volgens Bright op een demonstratie van zijn eigen humanoïde robot in 2027. Pas dan is te zien of een algemeen model buiten de simulator standhoudt en of een wachttijd van 13 tot 19 seconden per aanroep te dragen is. Eerder pasten we dezelfde vraag toe op de Amazon robot voor thuis: welke taak is bewezen, en waar. Tot de demo is de beste vraag niet of OpenAI nog robots bouwt, maar op welke vloer het getal is gemeten.
Eerst de vloer, dan het getal
Zet de 74,8 procent naast de wachttijd en de prijs per poging voordat je het doorstuurt.
Naar de vergelijker