让大模型控制机器人，不等于让它直接给电机通电。更像是给 AI 一张严格的操作菜单：它按规定格式选择“移动”“抓取”或“读取传感器”等工具，再由机器人系统执行。开源项目 uni-robot-agent 做的正是这层连接工作，让通用大模型有一条进入真实世界的现成通道。
这套 Harness——包在模型与机器人之间的连接和测试层——已经用本地运行的 Qwen3.8-Flash-Next 做过验证。据 QwenDev 转述，团队在 19 项真实机器人操作任务上测试时，没有修改模型权重，也没有做机器人专项微调；Qwen 的得分略高于经过微调的 π₀.₅，平均每项任务的 API 成本为 1.09 美元，对比 GPT-6 Astra 的 21.29 美元。开发者 Yuxin Zuo 还称，Qwen 比 π₀.₅ 高 5.75 分，比零样本 Dream-1 高 10 分。
值得关注的不是“Qwen 直接接管机器人”，而是框架把模型替换、工具调用和实机执行整理成了统一入口，降低了复现实机 Agent 的门槛。不过，目前材料中的效果数字均来自项目相关方自述，未提供完整测试设置，横向比较仍需保留判断。