知识卡片：智元 GO-3 Preview 具身模型发布

一句话结论

智元发布具身模型 GO-3 Preview，通过 WRAM 架构统一推理、预测与动作生成，在 RoboDojo 等三大榜单登顶，并展示了真机在线迭代能力（便利店任务成功率 5 天内从 28.6% 升至 85.7%），计划 2026 年底开源。

事件概述或研究问题

智元（AgiBot）发布具身模型 GO-3 Preview，目标是构建一个可同时承担推理、未来预测与动作生成的具身基础模型，并配套后训练系统与部署框架，解决具身模型从“能看懂”到“能稳定执行长程任务”的落地问题。

方法/产品要点

• WRAM 架构：串联推理、预测与动作生成三个环节；视觉 token 压缩至 DINOv3 的 1/16，动作恢复误差降低 35%。
• 后训练系统 Genie Evolver：结合百台真机、仿真环境与世界模型进行训练/迭代；在桌面冰壶任务上经 4 小时在线迭代超过人类平均水平。
• 部署框架 Genie Master：支撑真机部署，精灵 G2 在便利店完整任务中，成功率由首日 28.6% 提升至 5 天后的 85.7%。
• 榜单表现：登顶 RoboDojo 等三大榜单第一。
• 开源计划：2026 年底开源（具体协议与范围待核实）。

主要结果或产业意义

• 三大榜单第一 + 真机任务成功率的短周期大幅提升，说明“后训练 + 在线迭代”路线在真实场景中具备可复现的工程价值。
• 视觉 token 大幅压缩与动作误差下降，指向具身模型在推理效率与动作精度之间的平衡尝试。
• 百台真机 + 仿真 + 世界模型的组合训练，体现了具身模型数据飞轮的产业化组织方式。
• 2026 年底开源计划若落实，可能影响国内具身智能基础模型的生态格局（具体开源内容待核实）。

为什么重要

• 与已有的“具身原生”基座模型路线（如蚂蚁灵波 LingBot-VA 2.0 强调架构与训练目标为机器人原生设计）相比，本条增量信息在于：后训练与部署环节的系统化（Genie Evolver + Genie Master）以及在线迭代在真实商业场景（便利店）中的量化成功率曲线，而不仅是基座模型本身的架构指标。
• 三大榜单登顶 + 明确的年底开源时间表，为观察国内具身模型“榜单—真机—开源”三段式推进提供了具体案例。

局限与不确定性

• “三大榜单”具体名称除 RoboDojo 外，其余两榜待核实。
• 便利店任务的具体定义、任务数量、评估口径待核实。
• 桌面冰壶“超人类平均水平”的对比基准与样本量待核实。
• 2026 年底开源的具体模型范围、许可证、是否含 Genie Evolver/Genie Master 待核实。
• 材料来源为腾讯研究院 AI 速递的二手摘要，原始技术报告/论文未在材料中给出。

可用于图书/PPT/简报的角度

• 具身模型“后训练 + 部署”双系统：基座模型之外，Genie Evolver 与 Genie Master 如何构成工程闭环。
• 真机在线迭代的成功率曲线：28.6% → 85.7% 的 5 天曲线，可作为“具身模型落地速度”的示例图。
• 视觉 token 压缩与动作精度的权衡：1/16 视觉 token、35% 动作误差下降，适合讲效率—精度 trade-off。
• 榜单—真机—开源三段式：可作为国内具身智能厂商推进节奏的对比框架。
• 与 LingBot-VA 2.0 等“具身原生”路线的对照：架构原生 vs 后训练/部署系统化。

与既有脉络的关系

已有卡片中 LingBot-VA 2.0 聚焦“具身原生”基座模型的架构与训练目标设计；本条的增量在于后训练系统与部署框架的工程化，以及真实商业场景中的成功率量化与明确开源时间表，可作为具身模型“从基座到落地”脉络中的落地侧补充。

原始材料

• 来源：腾讯研究院 AI 速递 20261030（搜狐转载）
• URL: https://m.sohu.com/a/1094612416_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=5
• 原始标题（条目）：智元发布具身模型GO-3 Preview，包揽三大榜单第一
• 关键词：GO-3 Preview、WRAM、Genie Evolver、Genie Master、精灵 G2、RoboDojo、具身模型、开源