Analyse
GroundingPI d'Xpeng, un modèle de perception d'environ 4 milliards de paramètres, obtient 73,68 contre 71,54 pour GPT-6 Astra sur 34 benchmarks, selon Xpeng, avec l'écart et les limites expliqués
Selon les auteurs d'Xpeng, GroundingPI obtient 73,68 contre 71,54 pour GPT-6 Astra sur 34 benchmarks de perception. GPT-6 Astra reste devant sur d'autres.
Le 4 novembre 2026, Xpeng a dévoilé GroundingPI, un modèle de fondation de perception « incarnée » d'environ 4 milliards de paramètres, développé avec des équipes universitaires dont l'université de Pékin et l'université de Hong Kong (CnEVPost). Ses auteurs rapportent une moyenne de 73,68 sur 34 benchmarks, contre 71,54 pour GPT-6 Astra, le modèle d'OpenAI. Ces mesures sont les leurs, non reproduites de façon indépendante, et ne portent que sur la perception. Nous avons lu quatre pages par résumés automatiques et n'avons rien exécuté. Ceci n'est ni un conseil d'investissement ni un conseil technique.
L'essentiel
- Le chiffre : selon les auteurs, 73,68 contre 71,54 en moyenne sur 34 benchmarks publics de grounding, soit 2,14 points d'écart. GPT-6 Astra reste devant sur d'autres.
- Le périmètre : la perception seule, pas le raisonnement ni l'intelligence générale ; un modèle spécialisé face à un généraliste.
- Le statut : code et poids publiés, licence non indiquée. Les résultats de robotique et de conduite viennent de simulations ou de données enregistrées.
- Non établi : le nombre exact de paramètres, la reproduction indépendante, l'intégration à des produits Xpeng.
Qu'est-ce que GroundingPI ?
Le « grounding » consiste à localiser dans une image ce qu'une phrase décrit, en sortant des points ou des boîtes. GroundingPI les écrit sous forme de coordonnées quantifiées dans un vocabulaire partagé (arXiv, page du projet). « PI » signifie Physical Intelligence (CnEVPost, xpeng.guru).
Selon l'article arXiv, il associe un encodeur visuel MoonViT-V2 (de Kimi K3), un projecteur et un décodeur de langage Qwen3-4B. « 4B » est une étiquette : le nombre exact ne figure pas dans la partie de l'article que nous avons lue, et une synthèse de recherche cite un chiffre plus élevé avec l'encodeur visuel, que nous n'avons pas pu vérifier. L'entraînement n'a pas utilisé de données de robot avec étiquettes d'action, seulement des données de perception sur 11 catégories, comme la détection générale et la reconnaissance de texte (CnEVPost, xpeng.guru).
Que veulent dire 73,68 et 71,54 ?
C'est une moyenne sur 34 benchmarks publics de grounding couvrant 11 capacités de perception, GPT-6 Astra figurant parmi 44 modèles de référence (arXiv, page du projet, CnEVPost). L'écart de 2,14 points est notre calcul. CnEVPost et xpeng.guru décrivent une pondération par catégorie ; la partie de l'article que nous avons lue ne décrit pas la méthode d'agrégation.
Les auteurs ont mené l'évaluation ; aucun évaluateur indépendant n'est nommé (CnEVPost). GPT-6 Astra, un modèle d'OpenAI de septembre 2026 selon CnEVPost (OpenAI dit que GPT-Rosalind-6, traité dans notre article, repose sur ses poids), a été évalué avec un effort de réflexion réglé sur « élevé ». Aucun autre réglage ni prompt n'est donné dans la partie lue, certains chiffres de référence viennent de publications externes, et l'article signale des incertitudes de prompt et d'analyse (arXiv).
Où GPT-6 Astra garde l'avantage
L'article dit que GPT-6 Astra conserve un avantage substantiel en grounding de robot, spatial et d'interfaces (GUI), et mène sur TotalText et sur le pointage Dense200. Il qualifie le modèle de « compétitif » face à GPT-6 Astra tout en surpassant les modèles de taille comparable (arXiv).
Source : arXiv 2609.39601.
« Devant sur la moyenne de ces 34 benchmarks, selon les auteurs » est donc exact. « Meilleur que GPT-6 Astra » ne l'est pas.
Robotique et conduite : simulation et boucle ouverte
Selon les auteurs (page du projet, arXiv) :
- RoboCasa-GR1 : avec 50 % des démonstrations (28,75 %), le système dépasse les références entraînées sur 75 % ; en distribution, il est légèrement derrière RynnBrain-2B (37,75 contre 39,00).
- RoboTwin 2.0 : il surpasse les architectures de vision évaluées dans les quatre scénarios hors distribution, jusqu'à 24,8 % en relatif par rapport au meilleur ; 66,20 en distribution contre 60,62.
- nuScenes : erreur L2 moyenne en boucle ouverte de 0,296 m, contre 0,301 m pour Qwen3-VL-4B et 0,308 m pour RynnBrain. La performance en boucle fermée n'est pas établie.
Aucun déploiement sur des robots réels n'est rapporté (CnEVPost : résultats de simulation).
Ce qui n'est pas établi
Le nombre exact de paramètres ; la méthode d'agrégation ; la reproduction indépendante, notamment du score de GPT-6 Astra ; la licence ; la performance en boucle fermée et en robot réel ; l'intégration à des produits Xpeng ; la liste complète des benchmarks ; l'effet de la taille et de la spécialisation.
Source : CnEVPost, arXiv, page du projet.
Tableau comparatif
| Point | Ce que disent les sources | Statut |
|---|---|---|
| Moyenne | 73,68 contre 71,54 pour GPT-6 Astra | Déclaré par les auteurs |
| Où Astra mène | Grounding de robot, spatial, interfaces ; TotalText ; pointage Dense200 | Déclaré par les auteurs |
| Publication | Code et poids publiés ; licence non indiquée | Rapporté |
| Paramètres et reproduction | Étiquette « 4B » ; aucune vérification indépendante nommée | Non établi |
Questions fréquentes
GroundingPI est-il meilleur que GPT-6 Astra ?
Pas en général. Sur la moyenne de ces 34 benchmarks, selon les auteurs, GroundingPI est devant, mais GPT-6 Astra reste devant sur d'autres, comme ScreenSpot-Pro. Xpeng dit que le score mesure la perception seule, et présente GroundingPI comme une base pour le « système rapide » de l'IA incarnée, pas comme un remplaçant des grands modèles généraux (CnEVPost, xpeng.guru).
Le modèle est-il open source ?
Le code et les poids sont publiés sur GitHub, Hugging Face et ModelScope (CnEVPost, xpeng.guru). Aucune licence n'est indiquée dans les pages lues ; la licence CC BY 4.0 de la page arXiv ne dit rien du code ni des poids.
Sera-t-il dans les voitures Xpeng ?
Aucune page lue ne le dit. CnEVPost parle d'un prototype scientifique ; xpeng.guru, source non officielle, dit que ce n'est pas une annonce d'intégration aux produits.
Méthode et limites
Le 4 novembre 2026, nous avons lu par résumés automatiques CnEVPost, l'article arXiv (seulement les 100 000 premiers caractères sur environ 242 000), la page du projet et xpeng.guru, un site d'affiliation non précisée qui cite le communiqué d'Xpeng. Nous n'avons pas lu le communiqué d'Xpeng, son message sur X, AI Weekly, le dépôt GitHub ni la page Hugging Face. Les scores sont ceux des auteurs, non reproduits.
Sources
- CnEVPost, Xpeng unveils GroundingPI, résumé automatique
- arXiv 2609.39601, résumé automatique, 100 000 premiers caractères seulement
- Page du projet GroundingPI, résumé automatique
- xpeng.guru, site non officiel, résumé automatique
Une erreur dans cet article ? Signalez-la · Notre politique de corrections
