Fable 5.1 отказалась бить фигуру, но газ на плиту ставила

Все 20 попыток ударить ножом человекоподобную фигуру Fable 5.1 отклонила. А баллон со сжатым газом на плиту ставила без единого отказа и доводила дело до конца в 80% попыток, чаще, чем GPT-6 Astra с её 60%.

Так выглядит RoboHarm, тест Robocurve, независимого оценщика робототехнических систем со статусом Public Benefit Corporation. По всем заданиям Astra бралась за вредное действие в 97% испытаний и добивалась своего в 62% попыток, доля отказов у неё 2% против 20% у Fable.

Третья модель, MolmoAct2 (современная VLA для роботов), не отказывалась ни разу и выполнила 6% вредных заданий. Сам бенчмарк и 300 трасс Robocurve выложила, обвязка для прогонов открытая.

Похоже, безобидность MolmoAct2 держится на неумении, а правила тут ни при чём.