米哈游联合清华等开源 GameScaling 通用游戏智能体模型
米哈游联合清华大学、香港大学、新加坡国立大学等机构开源 GameScaling 系列通用游戏模型,覆盖 0.8B、2B、9B、27B 四档共八个模型,权重与推理代码以 Apache 2.0 协议发布。
米哈游联合清华大学、香港大学、新加坡国立大学等机构开源 GameScaling 系列通用游戏模型,覆盖 0.8B、2B、9B、27B 四档共八个模型,权重与推理代码以 Apache 2.0 协议发布。
星海图创始人兼CEO高继扬在第九届进博会上首次预告基于WAM架构的新一代世界模型G0.7,可实现约60ms动作生成、支持2分钟以上长上下文理解,内测数据显示G0.7 Preview在多项仿真基准及真机评测中均取得第一。
北京人形于11月2日在「慧思开物」平台发布 Hi-WBC 通用全身控制模型,将人体动作参考与真实物理约束结合,使机器人能随负载、外力和地形变化调整执行方式。该模型采用 MoE 与策略蒸馏的持续技能扩展框架、融合接触力预测的 Contact-aware Learning 和引入地形感知的 Perceptive Control。
推荐理由:原文披露了Hi-WBC在动作跟随之外处理负载、外力和地形约束的技术路线,可了解全身控制从展示走向作业的路径。
刘松铭创立的 LiberAI 发布新一代世界动作模型 Liber-0,采用语言、视觉、动作三专家流与 Multimodal Attention 联合预测未来画面和动作。
推荐理由:技术报告用对照实验拆解人类数据、动作监督与本体多样性对灵巧操作的贡献,可据此判断数据配比思路。
面壁智能联席首席科学家姚远在11月5日的端侧多模态大模型技术交流活动上表示,团队通过新一轮推理优化已将MiniCPM-V 4.7 35B-A3B在手机上的生成速度提升至30 Token/s以上,内存占用仍约3GB,并预测未来两年内GPT-6级智能有望在手机上以约3GB内存流畅运行。
基元律动发布面向智能体任务的NeoHorse-1.5-Flash Preview并开放内测,模型基于Qwen3.8-Flash做递归自我改进迭代,主模型参数1250亿、激活参数60亿。
大晓 ACE 团队发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6,把语言指令中的物体、部件与交互区域对应到视觉场景位置,并通过 ACE Hub 开放 API。
智元发布具身基础模型 GO-3 Preview,基于自研 WRAM(World Reasoning Action Model)架构,统一任务理解、未来状态预测与动作生成,并在 RoboDojo、RoboTwin、RoboColiseum 三项具身智能基准上排名第一,计划于 2026 年底完全开源。
LiberAI 发布世界动作模型 Liber-0,在 GPT-6 提出的 60 个任务、600 次试验中零样本操作总体成功率为 36%,其中抓取放置 63.5%、其他操作任务 34.0%、多步任务 10.5%。
物理世界模型创企LiberAI发布世界动作模型Liber-0,基于超220万小时人类经验数据预训练,将人类操作经验转化为机器人操作能力。在GPT-6随机生成的60项任务、600次真机测试中,Liber-0零样本总体成功率为36.0%,抓取放置任务达63.5%;作为对照的GPT-6 Astra整体成功率仅5%。
蚂蚁灵波开源的具身大脑全栈2.0在2026年世界互联网大会乌镇峰会展出,机器人在80厘米宽的药房通道内完成接单、识别药品与分拣交付,同方案已在上海国大药房多家门店常态化运转。
推荐理由:文章梳理了灵波具身全栈2.0被李飞飞团队、KAIST和LeRobot复用的具体方式,可观察开源具身底座如何进入他人研发管线。
LiberAI 发布世界动作模型 Liber-0,基于超过 220 万小时人类经验预训练,在 GPT-6 提出的 60 项任务、600 次试验中零样本整体成功率为 36.0%。
Flex-π 面向双臂机器人操作,用同一个约 60 亿参数模型同时学习动作、未来外观、三维几何和物体语义,部署时再选择需要生成哪些内容。它针对的是预测未来能提供更多信息、但并非所有任务都需要全部预测内容的矛盾。
未来不远发布 Self-Evolving WAM 自进化世界动作模型,将世界动作联合建模、交互经验学习与训练效果反馈接入同一系统。在第0轮至第30轮更新尝试中,四组家庭任务自主完整成功率均有提升:叠衣服从54.6%升至96.8%,晾衣服从46.2%升至91.2%,做意面从42.7%升至89.5%,辣椒炒肉从38.2%升至68.9%。
推荐理由:原文给出四组家庭任务从第0轮到第30轮更新的成功率变化,可观察自进化训练闭环的实际收益。
招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型驭物 Lion-ER-35B-A3B,采用MoE架构,总参数约35B、每Token激活约3B,在十项公开具身相关基准上全部指标较基座提升,等权综合均分65.29。
World Labs于9月1日发布新一代世界模型Atlas,目前不开源,仅向少数合作伙伴开放早期试用。Atlas输入1到6张参考图和一条相机轨迹,可生成最长1分钟、1440p的视频,并导出点云和三维高斯泼溅,用于把真实场景重建为机器人仿真训练环境。官方演示中用手机视频取24帧重建出仓库大小的空间,供虚拟机器人行走并生成相机画面与深度数据;但复杂物理表现和大规模运行成本尚无公开数据。
LiberAI 发布世界动作模型 Liber-0,基于超过 220 万小时人类经验预训练,结合大规模人类视频、数据手套记录的手部动作与机器人演示,目标是让机器人获得可泛化的操作能力。在八任务评测中,用 25% 机器人演示加 100% 手套演示训练的策略进度得分为 75.6,高于仅用全部机器人演示的 72.8。在 60 项零样本任务评测中,Liber-0 取得 36% 的成功率。
谷歌 DeepMind 发布新一代世界模型 Genie 4,支持用自然语言实时生成和修改可探索的虚拟场景,并模拟碰撞、重力等物理效果。Genie 4 是谷歌首个支持原生音频生成的实时世界模型,环境音效、音乐和虚拟人物对话可随场景同步生成。
小鹏机器人(XPENG ROBOTICS)提出具身视觉-语言模型Capek 0.5,按空间推理、时序理解、动作引导、状态验证四类执行能力分别训练专家,再用TIES合并与路由式MOPD蒸馏整合为单一模型。
智元发布具身 Agent 框架 Genie Master,搭载该框架的精灵 G2 在真实便利店上岗时不依赖人工示范与调试,可自行定位失败原因、调整策略并沉淀经验,在熟食打包、取货、补货等任务上持续改进。智元称这是行业首次跳出仿真环境、在真实业务场景验证 Physical RSI(具身递归自进化),并计划于 11 月 2 日安排 6 台精灵 G2 开展连续 24 小时便利店作业直播测试。
星衍智能推出通用具身 Harness 框架 Auriga,在不针对目标任务预调优、不依赖专家演示、单次执行且不允许环境重置的 Zero-shot 协议下,以 GPT-6 Astra 为基础模型在 RoboDojo 42 项任务、6300 个测试 Episodes 中取得 57.74% 平均任务成功率和 64.00 平均过程评分,两项均领跑榜单。
飞捷科思(Fysics AI)联合复旦大学 CITLab 提出统一世界动作模型 Fysiverse-UniWAM,用一个模型贯通自主导航、移动操作与固定工位灵巧操作。
推荐理由:读者可看到一条不依赖大规模机器人预训练的统一世界动作模型路线,以及导航与操作共享骨干的具体设计。
腾讯混元用开源世界模型Hy-Nomas复现了谷歌Genie 4官网的8组演示并放出同屏对比,在可交互性和内容完整性上接近,但在原生音频、镜头流畅度和画风一致性上仍有差距。
谷歌DeepMind于10月27日发布世界模型Genie 4研究预览版,首次原生支持音视频同步生成,单次连贯世界维持时间从上一代1分钟延长至约2分钟,并支持打字实时修改场景。谷歌还展示了Genie 4与Gemini 4 Argon配合指挥人形机器人下跳棋的实验,但目前仅少数测试者可用,普通用户需Google AI Ultra订阅资格。
启元机器人10月30日推出面向机器人训练的世界模型仿真器PrimeSim,并登顶WorldSimProbe LIBERO榜单。该仿真器为机器人构建可交互、可试错、可持续学习的虚拟世界,用于策略验证与强化学习。测试中利用它进行强化学习,策略成功率从61.7%提升至73.2%。
启元机器人10月30日推出面向机器人训练的世界模型仿真器PrimeSim,并登顶WorldSimProbe LIBERO榜单。该仿真器为机器人构建可交互、可试错、可持续学习的虚拟世界,支持策略验证与强化学习。测试中利用其进行强化学习,策略成功率从61.7%提升至73.2%。
智元在2026创新日发布具身全模态端到端交互大模型WITA-OMNI,在Daily-Omni、TimeLens-Bench、EmbSpatialBench和MMAU四项评测中位列第一,平均响应约600毫秒。
推荐理由:智元一次性发布交互模型、原生操作系统与生态计划,读者可据此了解其技术底座开放路径与真实场景交互数据积累方式。
谷歌DeepMind发布新一代世界模型Genie 4,支持实时生成可探索虚拟世界、修改天气与场景、模拟碰撞和重力等物理效果,并同步生成环境音效与人物对话。Genie 4是谷歌首个支持原生音频生成的实时世界模型,还接入Gemini 3.8 Flash充当实时引导Agent,由Gemini理解目标、观察环境并决定下一步动作。
大晓机器人联合南洋理工大学 S-Lab 发布世界模型 Mundo,可将 1 至 12 张真实场景图像重建为可探索、可物理交互的三维仿真环境。该模型内置物理属性,由 MuJoCo 计算物体在重力与接触约束下的运动,并支持导航、抓取放置等任务的训练数据生成与策略测试。团队已在酒店场景重建楼层与洗衣区域,用于服务机器人的导航与交互任务训练。
立德机器人在2026中国海洋经济博览会上发布船舶建造世界模型“定风波”,将设计图纸、工艺文件和物料清单统一输入,由模型解析工程逻辑关系,把整船拆解为分段、中组、小组立与零件并还原三维结构,使机器人不再依赖人工示教,可自主感知、拆解任务与决策作业。
启元具身研究中心发布面向机器人操纵任务的世界模型仿真器PrimeSim,基于预训练视频生成模型经中训练与后训练两阶段改造。它在EWMBench以6.09综合分位列榜首,在WorldSimProbe五项评测中拿下全局轨迹覆盖、动作来源行为保持、交互动态三项第一。
推荐理由:原文给出两阶段训练配方与多榜单成绩,读者可据此判断视频生成模型改造为仿真器的可行路径。
破壳机器人(PokeBot)10 月 30 日凌晨发布首款模型产品 RoboAPI,一个可公开访问、开箱即用的具身 API,开发者接入适配机械臂后无需采集数据或训练模型,用一句 prompt 下达指令即可执行未专门训练过的任务。
推荐理由:读者可了解一个可公开接入的具身 API 如何把零样本泛化能力交给外部开发者检验,以及其自建评测的成功率数据。
大晓机器人联合南洋理工大学S-Lab发布面向具体环境构建的可交互世界模型Mundo,把3D场景重建、物理仿真与视频生成融为一体。系统用场景代码记录物体重量、质心和摩擦系数,由960Hz MuJoCo物理引擎计算运动与碰撞,再结合现场照片渲染画面;输入1到12张手机照片即可重建可推拉碰撞的3D空间。
启元机器人推出面向机器人训练的世界模型仿真器PrimeSim,并登顶WorldSimProbe LIBERO榜单。PrimeSim为机器人构建可交互、可试错、可持续学习的虚拟世界,用于策略验证与强化学习。测试中利用它进行强化学习,策略成功率从61.7%提升至73.2%。
X-Era AI拓元智慧发布开源原生4D世界动作模型E0.5,以三维基础模型为骨干,将未来三维几何预测直接融入动作学习。在AgileX Piper双臂机器人和Zerith H1人形机器人上,经约16万条机器人轨迹预训练后,E0.5整体平均成功率分别为85.0%和88.3%,较π0.5提升13.3和26.7个百分点;分布外平均成功率为73.3%和76.7%。
智元推出具身模型 GO-3 Preview,采用具身原生 WRAM(World Reasoning Action Model)架构,将任务推理、未来预测与动作生成连接,支持预训练、后训练与部署后全链路规模化学习。
智元发布 GO-3 Preview 具身基座模型,并计划于年底开源。同期智元披露上半年营收近 20 亿元,并推出机器人「有效智能工时」指标。
智元在2026智元创新日发布新一代具身基座模型GO-3 Preview,并计划于2026年底将该模型与具身Agent框架Genie Master全面开源。同日,智元还发布了首个“工时KPI”Worken,为机器人引入KPI考核标准。
AgiBot 发布全模态交互模型 WITA-Omni 1.0,支持边说边听的双工对话,在端侧运行,端到端交互延迟约 400ms,并把视觉、语音、实时对话、面部表情与物理动作融合为一个连续系统,目前在多个交互基准上排名靠前。
Google DeepMind 发布新一代世界模型 Genie 4,单次世界连贯时长从上一代 Genie 3 的 1 分钟延长到 2 分钟,并成为谷歌首个原生支持音视频同步生成的实时世界模型。