一句话结论：智元在 2026 年 10 月 29 日发布的具身基座模型 GO-3 Preview，用自研 WRAM 架构统一了理解、预测与动作生成三段链路，同时在 RoboDojo、RoboTwin、RoboColiseum 三个具身评测榜单取得第一成绩，真正的看点落在部署后能否把真实作业经验持续回流成训练数据。
具身智能这一年的主线已经从模型能力竞赛转向工程与数据的闭环竞赛。2026 智元创新日上，智元联合创始人、联席总裁、具身业务体系总裁姚卯青发布新一代具身基座模型 GO-3 Preview，官方口径提到模型将于 2026 年底全面开源。同一天公布的官方介绍里，有两组信息值得分开看：一组是评测榜单上的数字，另一组是真实门店里机器人五天的工作数据。后者比前者更能说明这次发布的位置。
三榜第一，但三个分数的含金量并不相同
GO-3 Preview 提交到榜单的是 GO-3 Nano Preview 版本。按官方披露的分数，三张榜单的结果分别是 RoboDojo 得分 61.90 分、成功率 56.42%，RoboTwin 平均分 85.0%，RoboColiseum 总分 78.82%。
| 榜单 | GO-3 Nano Preview 成绩 | 该榜单考察维度 | 可复现性 |
|---|---|---|---|
| RoboDojo | 61.90 分 / 成功率 56.42% | 仿真操作，含长程与开放指令任务 | 厂商提交，具体测试条件与样本量未完整公开 |
| RoboTwin | 平均分 85.0% | 双臂操作任务成功率 | 厂商提交，评分口径为 c2c 与 c2r 平均 |
| RoboColiseum | 总分 78.82% | 综合推理与场景泛化 | 厂商提交 |
三张榜单考察的能力并不重叠，把分数横向相加是没有意义的。RoboDojo 一类榜单会把长程任务与开放指令指令跟随放在同一套打分里，RoboTwin 聚焦双臂操作的完成率，RoboColiseum 则把空间推理与指令跟随拆成独立维度。当前所有成绩都由厂商提交并经官方渠道披露，证据层级算比较强的一层，但测试条件与样本量没有随发布完整公开。因此三榜第一能说明模型在公开评测体系下具备竞争力，不等于真实作业场景已经被验证。
值得一提的是榜单之外的一组对照数据，来自智元公开的规模实验。同等训练时间下，随着参与训练的真机规模扩大，手机包装任务的成功率从 50.8% 提升到 98.3%；在多阶段长流程任务的 120 次测试中，失败次数从 25 次降到 2 次，减少幅度达到 92%。这两组数字比榜单分数更能说明问题，具身模型的能力上限目前仍由真机数据的量级决定。
WRAM 架构拆解：三个模块各管一段链路
GO-3 Preview 采用具身原生架构 WRAM（World Reasoning Action Model），核心思路是把任务理解、未来预测与动作生成统一建模，三个模块放在同一套训练目标里联合优化。架构内部有三个关键模块。
| 模块 | 全称与职责 | 公开口径下的关键数字 |
|---|---|---|
| CoAE | Control-Oriented Autoencoder，面向控制的视觉表征，把物体位置、形态与相互关系和机器人动作建立联系 | 视觉 token 压到 DINOv3 的约十六分之一，动作恢复误差降低约 35% |
| SVP | Single-step Visual Planner，单步视觉规划器，一次前向计算预测多个未来时刻的视觉状态 | 预测结果再由 IDM 逆动力学模块结合机器人自身状态转为可执行动作 |
| KASO | Knowledge-Aligned Selective Optimization，生成多个候选未来并筛选与真实动作相容的结果参与联合训练 | 解决同一任务存在多种合理路径时的训练目标冲突 |
CoAE 的意义在于把视觉信息量的膨胀压下来。具身模型的视觉 token 数量直接决定推理延迟，而动作恢复误差才是控制精度的真实指标，两者通常此消彼长。官方给出的十六分之一与 35% 属于厂商口径，另有报道写作预测误差下降约 30%，两组数字出自不同指标，准确口径需要等年底开源后的技术报告核对。
SVP 与 KASO 是一对配套设计。SVP 负责回答接下来会发生什么，KASO 负责处理答案本身不唯一的问题。同一个放杯子任务，机器人可以从左侧接近也可以从右侧抓取，两条路径都成立。如果强行让模型只输出一种未来，训练目标就会和真实动作分布冲突。KASO 的做法是在训练阶段生成多个候选未来，评估预测结果与真实动作的相容程度，只让更相容的那部分参与联合训练。
Genie Evolver：三类环境分摊练手成本
预训练建立通用能力，后训练负责把这份能力磨到能干活。智元构建的后训练系统 Genie Evolver 用三类环境分摊练手账单。百台级真机集群提供可靠的物理反馈，并通过 CEL 群体经验学习把不同机器人的成功与失败汇聚成共享策略；物理仿真提供大量可重复练习，摩擦系数、碰撞条件这类变量可以随意调整；世界模型负责低成本预演，让一次真实经历成为探索多条候选动作的起点，再回到真机验证。
官方给出的两个案例可以看出后训练的效果形态。桌面冰壶任务中，模型经过 4 小时在线迭代后表现超过被测人类平均水平；抽积木塔任务里，模型可以连续抽取 5 块积木并保持整塔稳定。这两项测试考验的都是精细力控与轨迹连续性，属于仿真里很难复现、真机上又很难快速采样的能力类型。
预训练阶段的数据构成同样被官方说明。约九成预训练数据来自人类第一视角视频，机器人轨迹负责建立观测、动作与物理结果之间的联系。这个比例背后有个绕不开的问题，人的身体结构与机器人的关节、夹爪并不一一对应，看懂人的操作不等于自己会做，这正是 WRAM 把表征层和未来预测层拆开设计的原因。预训练后的能力被划分为 Zero-shot 与 Few-shot 两档，官方称已具备数百种任务的开箱即用能力，并在乐高拼装与双足人形机器人 X2 上展示了跨本体操作，但这些演示目前都属于厂商自述，尚缺第三方复测。
便利店里的五天：部署后环节才是新变量
如果说预训练与后训练都还是实验室里的常规动作，那么 GO-3 Preview 真正的新东西出现在机器人交付之后。搭载具身 Agent 框架 Genie Master 的精灵 G2 在真实便利店上岗，不依赖人工示范与调试，自己定位失败原因、调整策略并沉淀经验。
公开数据显示，完整任务成功率从上岗首日的 28.6%，在五天后稳定到 85.7%；以挂小挂钩任务为例，单任务成功率相比常规微调方式提升了 17.7 个百分点。这套执行与恢复数据经处理后会用于动作策略更新，形成闭环。智元把这称为行业首次跳出仿真环境、走进真实业务场景验证 Physical RSI，即具身递归自进化，目前这一首次表述仍只有厂商口径。
失败案例的处置过程比数字更能说明机制。便利店挂货时，机器人一度因头部相机被标签牌遮挡而找不到挂钩，Agent 回溯失败记录后改用腕部相机近距离定位并换手完成挂货，这套处理办法被沉淀进记忆供后续调用。外卖打包时白色提带容易缠住夹爪，Agent 通过更具体的动作提示引导夹爪先收回再重试，相关执行与恢复数据则进入训练侧更新策略。
这些经验分两条路走，一条进记忆用于快速复用，一条进训练用于策略提升。两条路径的分工决定了这套系统的长期表现，目前便利店场景的部署时长、单店成本与故障率都还没有公开，85.7% 这个数字能撑多久，需要更长时间的数据来回答。
从 GO-1 到 GO-3：三年三套架构
把智元的产品线排开看，路线并不模糊。GO-1 提出 ViLLA 架构，GO-2 首创动作思维链，GO-3 转向全链路规模化学习。姚卯青在发布场合给出的判断是，具身智能正从演示转向部署，衡量标准要看能否在真实环境中 7×24 小时稳定作业，而不是能否完成一次惊艳的演示。
| 版本 | 核心贡献 | 解决的问题 |
|---|---|---|
| GO-1 | ViLLA 架构 | 视觉语言与动作的联合建模 |
| GO-2 | 动作思维链 | 长程任务的中间推理过程显式化 |
| GO-3 Preview | WRAM 架构与全链路规模化学习 | 理解、预测、动作统一建模，并让部署后的作业经验回流训练 |
这条路线的连续性也体现在产品侧。智元在 10 月 27 日前后发布的灵渠 OS 1.0 与 Genie Studio 2.0，分别解决端侧执行时延与仿真环境搭建，与 GO-3 构成模型、框架、工具三层结构。类似的多层拆分思路在具身赛道里正在成为共识，与 [英伟达开源的机器人标注引擎 Flora](/nvidia-flora-robot-video-labeling-0-72-dollar-20261025/) 从数据侧补齐训练素材的做法属于同一条思路，数据与工程能力正在替代单一模型能力成为竞争主战场。
常见问题
GO-3 Preview 和 GO-1、GO-2 的核心差别是什么
GO-1 解决视觉语言与动作如何联合建模，GO-2 解决长程任务的中间推理如何显式表达。GO-3 把理解、预测、动作生成统一到一个架构里，并把部署后的真实作业经验接入训练回路，形成预训练、后训练、部署后三段连起来的规模化学习链条。
三大榜单第一能说明模型真实能力吗
不能直接等同。三榜第一说明模型在公开评测体系下具备竞争力，RoboDojo、RoboTwin、RoboColiseum 考察的维度互不重叠，分数不能相加。更关键的是所有成绩由厂商提交，测试条件与样本量未完整公开，真实场景能力仍需看便利店部署这类长测数据。
年底开源之后普通团队能复现多少
可以复现的是评测与工程链路。FluxVLA 这类开源工程底座已经把 14 种策略接入同一套 LIBERO 闭环评测，包含以 API 方式接入的第三方模型，说明策略对比的门槛在下降。GO-3 的模型权重与完整训练流程能否在开源后被第三方复现出接近的效果，还要等年底之后的社区验证。
小结
GO-3 Preview 把三件事放进了同一套体系。架构层面，WRAM 用 CoAE、SVP、KASO 三个模块把理解、预测与动作生成串起来，并给出视觉 token 十六分之一、动作恢复误差降 35% 这类可核对的数字。数据层面，约九成人类第一视角视频配合机器人轨迹，以及手机包装成功率 50.8% 到 98.3% 的规模实验，说明真机数据量级仍在决定能力上限。落地层面，便利店场景里首日 28.6% 到五天后 85.7% 的变化，把部署后的经验回流变成了可观测的机制。
两条线索值得在接下来几个月持续跟踪。一条是开源之后的第三方复现结果，另一条是便利店这类真实部署能否把单店成本与故障率压到可算 ROI 的水平。姚卯青把具身智能的衡量标准从演示换成了 7×24 稳定作业，这个标准比任何一张榜单都更难，也更能说明行业走到了哪一步。
相关阅读
- 千诀 Polibrain 世界模型发布：5 类机器人复用，隐变量早 LeCun 一年
- 英伟达开源机器人标注引擎 Flora：1 小时标注 0.72 美元
- 高德 λ0 全身基座模型：500 小时人类数据，真机成功率 62.5%
- 小米 21 自由度仿生手：1827 个 SOP 支撑，手掌仅 324 克
延伸阅读
- 工信部：上半年人形机器人产量超4万台，全年预计突破10万台2 周前
- 千诀 Polibrain 世界模型发布：5 类机器人复用，隐变量早 LeCun 一年1 周前
- 星动纪元VPP2登顶RoboDojo，真机58.5%超越GPT-6-Astra3 周前
- 宇树宣布完全开源 UnifoLM-WLA-1.0：6B 参数、2500 小时真机数据，一个模型统筹 64 项任务2 月前
继续读
同一批更新里这几篇值得一看：
- 逐际动力 FluxVLA V2：14 种策略与 9.64 倍推理加速2026-10-30
- 小米 21 自由度仿生手：1827 个 SOP 支撑，手掌仅 324 克2026-10-27
- 英伟达开源机器人标注引擎 Flora：1 小时标注 0.72 美元2026-10-26