Der Test heißt StationeryBench und besteht aus fünf beidhändigen Schreibtischaufgaben: einen Marker entkappen, einen Radiergummi aus einer Box nehmen und den Deckel schließen, das mittlere Blatt aus einem Haftnotiz-Stapel ziehen, Büroklammern in eine angehobene Schüssel gießen und ein Lineal von einem Arm an den anderen übergeben. Jede Aufgabe läuft 20-mal, mit 120 Sekunden Zeitfenster und einer Steuerrate von 10 Hz auf YAM-Armen.
Gemessen wird zweierlei: ob der Versuch die Aufgabe abschließt, und ein Fortschrittswert in Stufen von 25 Punkten. GPT-6 Astra schloss 7 von 100 Versuchen ab und kam im Mittel auf 46 Punkte. MolmoAct2, ein offenes Robotikmodell von Ai2 vom Mai 2026, schloss keinen einzigen Versuch ab und kam auf 12 Punkte; in 47 von 100 Läufen verließen seine Arme die Startposition nicht.
Die sieben Abschlüsse verteilen sich ungleich. Fünf entfallen auf das Entkappen des Markers, je einer auf die Lineal-Übergabe und den Haftnotiz-Stapel. Bei den Büroklammern und der Radiergummi-Box gelang kein einziger Abschluss – die mittleren Fortschrittswerte lagen dort bei 51 und 34.
Die Ergebnisseite nennt fünf Autoren, aber keine Organisation, keinen Auftraggeber und keine Zusammenarbeit mit OpenAI. Der Code steht seit dem 10. September 2026 unter MIT-Lizenz auf GitHub und hatte beim Abruf einen Stern. Auf der Hardware bewertet eine Bedienperson, im simulierten Ersatzaufbau wertet der Test automatisch aus. Die geschätzten Kosten je Lauf liegen zwischen 1,21 und 1,93 US-Dollar.