知识卡片：LiberAI 世界动作模型 Liber-0 零样本挑战 GPT-6 随机出题

一句话结论

LiberAI 发布世界动作模型 Liber-0，在无目标任务示范条件下完成 GPT-6 随机生成的 60 项任务，整体成功率 36.0%，远高于 Astra 直接做策略的个位数水平。

事件概述或研究问题

据腾讯研究院 AI 速递（2026-11-05），LiberAI 推出世界动作模型 Liber-0。该模型经少量后训练后，能按订单组合技能完成长程奶茶制作。研究问题聚焦于：在无目标任务示范的零样本条件下，世界动作模型能否泛化完成随机生成的多项任务。

方法/产品要点

• 后训练方式：少量后训练即可按订单组合技能，完成长程奶茶制作流程。
• 评测设置：由 GPT-6 随机出题，共 60 项任务；Liber-0 在无目标任务示范（零样本）条件下应试。
• 预训练数据：超过 220 万小时，其中含 200 万小时人类视频。
• 数据采集硬件：自研 LiberSense Glove 采集手部动作；LiberAI 称仅靠手套数据即可学会新的灵巧技能（该说法为厂商主张，待独立验证）。
• 对照组：Astra 直接做策略（不经过世界动作模型范式）。

主要结果或产业意义

• Liber-0 三组成功率：63.5%、34.0%、10.5%，整体 36.0%。
• Astra 直接做策略成功率：8.3%、5.0%、1.7%。
• 在零样本、随机出题的条件下，Liber-0 相对直接策略基线呈现数量级差距，说明世界动作模型范式在任务组合与泛化上具备潜在优势。
• 产业意义：为“世界动作模型（WAM）替代/补充传统 VLA 直接策略”的路线提供了又一组实证数据点。

为什么重要

• 延续了近期“世界动作模型（WAM）挑战 VLA 范式”的行业脉络（参见既有卡片：NVIDIA Cosmos 3 与 WAM 讨论、蚂蚁灵波 LingBot-VA 2.0、Physical Intelligence π*0.6）。本条增量在于：以“GPT-6 随机出题 + 零样本 + 三组成功率”的形式给出可对比的量化评测，且对照组为 Astra 直接策略。
• 数据规模（220 万小时、含 200 万小时人类视频）与自研手套采集硬件，提示具身数据采集与预训练规模仍是竞争焦点。

局限与不确定性

• 60 项任务的具体构成、评分标准、三组划分依据，材料未说明，待核实。
• “仅靠手套数据可学会新灵巧技能”为厂商主张，缺乏独立复现信息，待核实。
• Astra 直接做策略的具体配置（是否同等后训练、同等数据）材料未交代，对照公平性待核实。
• 成功率整体 36.0% 仍意味着多数任务失败，实际部署可用性待评估。

可用于图书/PPT/简报的角度

• “世界动作模型 vs 直接策略”：用 36.0% 对 8.3%/5.0%/1.7% 的对比图说明范式差异。
• “零样本泛化能力”作为具身智能评测新维度：随机出题、无示范。
• 数据飞轮：200 万小时人类视频 + 自研 LiberSense Glove 的采集闭环。
• 与 LingBot-VA 2.0、π*0.6、NVIDIA Cosmos 3/WAM 并列，构成“2026 年世界动作模型竞速”时间线。

与既有脉络的关系

既有卡片分别覆盖了 LingBot-VA 2.0（具身原生设计、实时推理）、π*0.6（Recap 强化学习+纠正经验）、NVIDIA Cosmos 3/WAM 范式讨论。本条 Liber-0 的增量是：提供“GPT-6 随机出题、零样本、含直接策略对照”的量化评测结果，可作为 WAM 范式有效性的补充证据，而非重复上述卡片的事实陈述。

原始材料

• 来源：腾讯研究院 AI 速递 20261105（第六条“LiberAI 推出世界动作模型 Liber-0，零样本挑战 GPT-6 随机出题”）
• 父级链接：https://m.sohu.com/a/1097287287_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 原始条目 URL：https://m.sohu.com/a/1097287287_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=6
• 英文标题/关键词：LiberAI, World Action Model, Liber-0, zero-shot, GPT-6, LiberSense Glove, Astra
• Track：industry；Topics：ai-industry