Análisis
GroundingPI de Xpeng, un modelo de percepción de unos 4000 millones de parámetros, obtiene 73,68 frente a 71,54 de GPT-6 Astra en 34 benchmarks, según Xpeng, con la diferencia y los límites explicados
Según los autores de Xpeng, GroundingPI obtiene 73,68 frente a 71,54 de GPT-6 Astra en 34 benchmarks de percepción. GPT-6 Astra sigue por delante en otros.
El 4 de noviembre de 2026, Xpeng presentó GroundingPI, un modelo de base de percepción «encarnada» de unos 4000 millones de parámetros, desarrollado con equipos universitarios, entre ellos la Universidad de Pekín y la Universidad de Hong Kong (CnEVPost). Sus autores informan de una media de 73,68 en 34 benchmarks, frente a 71,54 de GPT-6 Astra, el modelo de OpenAI. Las mediciones son suyas, no se han reproducido de forma independiente y solo cubren la percepción. Leímos cuatro páginas mediante resúmenes automáticos y no ejecutamos nada. Esto no es ni un consejo de inversión ni un consejo técnico.
Lo esencial
- La cifra: según los autores, 73,68 frente a 71,54 de media en 34 benchmarks públicos de grounding, una diferencia de 2,14 puntos. GPT-6 Astra sigue por delante en otros.
- El alcance: solo percepción, no razonamiento ni inteligencia general; un modelo especializado frente a uno generalista.
- El estado: código y pesos publicados, licencia no indicada. Los resultados de robótica y conducción proceden de simulaciones o datos grabados.
- No establecido: el número exacto de parámetros, la reproducción independiente, la integración en productos de Xpeng.
¿Qué es GroundingPI?
El «grounding» consiste en localizar en una imagen lo que describe una frase, devolviendo puntos o cajas. GroundingPI los escribe como coordenadas cuantizadas en un vocabulario compartido (arXiv, página del proyecto). «PI» significa Physical Intelligence (CnEVPost, xpeng.guru).
Según el artículo de arXiv, combina un codificador visual MoonViT-V2 (de Kimi K3), un proyector y un decodificador de lenguaje Qwen3-4B. «4B» es una etiqueta: el número exacto no figura en la parte del artículo que leímos, y una síntesis de investigación cita una cifra mayor con el codificador visual, que no pudimos verificar. El entrenamiento no usó datos de robot con etiquetas de acción, solo datos de percepción de 11 categorías, como la detección general y el reconocimiento de texto (CnEVPost, xpeng.guru).
¿Qué significan 73,68 y 71,54?
Es una media de 34 benchmarks públicos de grounding que cubren 11 capacidades de percepción, con GPT-6 Astra entre 44 modelos de referencia (arXiv, página del proyecto, CnEVPost). La diferencia de 2,14 puntos es un cálculo nuestro. CnEVPost y xpeng.guru describen una ponderación por categoría; la parte del artículo que leímos no describe el método de agregación.
Los autores realizaron la evaluación; no se nombra a ningún evaluador independiente (CnEVPost). GPT-6 Astra, un modelo de OpenAI de septiembre de 2026 según CnEVPost (OpenAI dice que GPT-Rosalind-6, tratado en nuestro artículo, usa sus pesos), se evaluó con el esfuerzo de razonamiento en «alto». En la parte leída no se da ningún otro ajuste ni prompt, algunas cifras de referencia proceden de publicaciones externas y el artículo señala incertidumbres de prompt y de análisis (arXiv).
Dónde GPT-6 Astra sigue por delante
El artículo dice que GPT-6 Astra conserva una ventaja sustancial en grounding de robots, espacial y de interfaces (GUI), y lidera en TotalText y en los puntos de Dense200. También califica al modelo de «competitivo» frente a GPT-6 Astra, a la vez que supera a modelos de tamaño comparable (arXiv).
Fuente: arXiv 2609.39601.
Por tanto, «por delante en la media de estos 34 benchmarks, según los autores» es exacto. «Mejor que GPT-6 Astra» no lo es.
Robótica y conducción: simulación y bucle abierto
Según los autores (página del proyecto, arXiv):
- RoboCasa-GR1: con el 50 % de las demostraciones (28,75 %), el sistema supera a referencias entrenadas con el 75 %; en distribución queda ligeramente por detrás de RynnBrain-2B (37,75 frente a 39,00).
- RoboTwin 2.0: supera a las arquitecturas de visión evaluadas en los cuatro escenarios fuera de distribución, hasta un 24,8 % en relativo respecto al mejor; 66,20 en distribución frente a 60,62.
- nuScenes: error L2 medio en bucle abierto de 0,296 m, frente a 0,301 m de Qwen3-VL-4B y 0,308 m de RynnBrain. El rendimiento en bucle cerrado no está establecido.
No se informa de ningún despliegue en robots reales (CnEVPost: resultados de simulación).
¿Qué no está establecido?
El número exacto de parámetros; el método de agregación; la reproducción independiente, en particular de la puntuación de GPT-6 Astra; la licencia; el rendimiento en bucle cerrado y con robots reales; la integración en productos de Xpeng; la lista completa de benchmarks; el efecto del tamaño y de la especialización.
Fuente: CnEVPost, arXiv, página del proyecto.
Tabla comparativa
| Punto | Lo que dicen las fuentes | Estado |
|---|---|---|
| Media | 73,68 frente a 71,54 de GPT-6 Astra | Declarado por los autores |
| Dónde lidera Astra | Grounding de robots, espacial, interfaces; TotalText; puntos de Dense200 | Declarado por los autores |
| Publicación | Código y pesos publicados; licencia no indicada | Informado |
| Parámetros y reproducción | Etiqueta «4B»; ninguna verificación independiente nombrada | No establecido |
Preguntas frecuentes
¿Es GroundingPI mejor que GPT-6 Astra?
No en general. En la media de estos 34 benchmarks, según los autores, GroundingPI va por delante, pero GPT-6 Astra sigue por delante en otros, como ScreenSpot-Pro. Xpeng dice que la puntuación mide solo la percepción, y presenta GroundingPI como una base para el «sistema rápido» de la IA encarnada, no como sustituto de los grandes modelos generales (CnEVPost, xpeng.guru).
¿El modelo es de código abierto?
El código y los pesos están publicados en GitHub, Hugging Face y ModelScope (CnEVPost, xpeng.guru). Las páginas leídas no indican ninguna licencia; la licencia CC BY 4.0 de la página de arXiv no dice nada del código ni de los pesos.
¿Estará en los coches de Xpeng?
Ninguna página leída lo dice. CnEVPost habla de un prototipo científico; xpeng.guru, una fuente no oficial, dice que no es un anuncio de integración en productos.
Método y límites
El 4 de noviembre de 2026 leímos mediante resúmenes automáticos CnEVPost, el artículo de arXiv (solo los primeros 100 000 caracteres de unos 242 000), la página del proyecto y xpeng.guru, un sitio de afiliación no indicada que cita el comunicado de Xpeng. No leímos el comunicado de Xpeng, su mensaje en X, AI Weekly, el repositorio de GitHub ni la página de Hugging Face. Las puntuaciones son las de los autores, sin reproducir.
Fuentes
- CnEVPost, Xpeng unveils GroundingPI, resumen automático
- arXiv 2609.39601, resumen automático, solo los primeros 100 000 caracteres
- Página del proyecto GroundingPI, resumen automático
- xpeng.guru, sitio no oficial, resumen automático
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
