AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：具身智能
共 39 篇文章 · 清除标签
GO-3 Preview：智元机器人全链路规模化学习的具身智能模型深度评测
GO-3 Preview是智元机器人推出的具身智能模型，其核心特色在于实现了从预训练、后训练到部署后的全链路规模化学习闭环。该模型采用WRAM架构，从人类第一视角视频中学习物理世界操作技能；通过Genie Evolver融合真机、仿真与世界模型进行虚实混合后训练；并在部署后借助Genie Master实现持续自我进化。GO-3 Preview已在RoboDojo、RoboTwin、RoboColi...
Genie 4 – Google DeepMind 推出的一代世界模型
Genie 4是Google DeepMind推出的新一代世界模型，能够实时生成可自由探索的虚拟世界。用户通过键盘操控角色移动，通过文字提示实时修改天气、添加人物或物体，并与虚拟角色进行交互对话。该模型首次支持原生音频与交互式对话能力，融合Gemini家族的多项技术——Gemini负责推理规划，Genie负责环境渲染，形成完整的智能体闭环。Genie 4可应用于机器人训练、影视预演、游戏原型验证及...
MiDashengLM-Spatial – 小米开源的空间音频理解大模型
MiDashengLM-Spatial是小米Dasheng团队开源的空间音频理解大模型，业界首个在单一架构内统一通用音频理解与空间感知的端到端模型。该模型以MiDashengLM-7B为基座，通过新增Spatial-Dasheng空间音频编码器和层级语义到空间条件模块（HSSC），实现了声源方位感知、运动轨迹追踪以及多声源时空关系推理等能力，并支持重叠声源逐帧定位。配套数据方面，模型使用100万个...
Open-RAIL评测：中国移动开源的具身智能通用工程底座，打通VLA/WAM模型落地"最后一公里"
Open-RAIL 是中国移动向全球开源的具身智能通用工程底座，定位为行业内首个连接 VLA/WAM 模型与机器人本体的通用"神经系统"。该项目在框架层面打通了"推理—执行—数据回流—模型迭代"的完整闭环，通过三线程异步流水线架构将动作平滑度提升两个数量级，端边云部署切换零代码改动，新机器人接入周期从以周计压缩至以小时计，新模型接入仅需 50—100 行代码。目前 Open-RAIL 已适配 4 ...
LingBot-World 2.0 – 蚂蚁灵波科技开源的实时交互世界模型
LingBot-World 2.0是由蚂蚁集团灵波科技（Robbyant）开源的实时交互世界模型，其核心突破在于将视频生成从"单向观看"推进到"实时游玩"的交互范式。该模型支持移动、攻击、施法、跳跃等多样化角色操作，并能响应文本驱动的雨雪等环境事件，可在高配置硬件下实现720P/60FPS的实时画面输出与亚秒级交互延迟。同时，模型具备小时级连续生成不漂移的长期一致性能力，已开源14B及1.3B S...
Obscura – 开源 AI Agent 无头浏览器，自动操作网页与抓取
Obscura 是专为 AI Agent 和自动化场景推出的开源无头浏览器，基于 Rust 构建。工具跳过了 Chromium 的沉重架构，用极轻量的独立引擎实现网页渲染与 JavaScript 执行，让机器人在低资源消耗下快速、隐蔽地浏览和操作网页。作为 Chrome 的精简替代方案，工具天然兼容 Puppeteer 与 Playwright，能通过 MCP 协议直接接入 Claude、Curs...
Orbis – Visko推出的实时世界模型，让AI视频像直播一样
Orbis是Visko推出的首个Live Model（实时世界模型），从根本上改变了AI视频的生成方式——不再需要等待数分钟甚至数十分钟的离线渲染，而是将视频生成转化为一种类似直播的持续流式输出。用户可以在生成过程中随时输入新的指令，画面会实时响应并改变走向，实现了真正意义上的"生成中交互"。该模型支持4K@24FPS的实时流式生成，通过多尺度记忆机制维持小时级的长时一致性，并基于因果时间分解与物...
EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集
EgoSuite-Open100K是光轮智能推出的全球首个10万小时级全模态人类行为开源数据集，面向物理AI与具身智能领域。数据集包含15,000+真实场景的第一人称视频，覆盖家居、工业等7大类环境，采用头部与腕部双视角同步采集，配备手部21关节位姿、身体姿态及事件语义三层精细标注。数据已在Hugging Face和AtomGit平台免费开放，学术研究与商业训练均可直接使用，旨在解决机器人训练中高...
Codex Harness – OpenAI 开源的 AI Agent 底层执行框架
Codex Harness 是 OpenAI 开源的 AI Agent 底层执行框架，定位为驱动智能体的"外骨骼"系统。它负责任务理解、记忆保持、工具调用、进度展示、失败处理及人类审批等完整执行循环，通过 CLI、SDK 和 app-server 三大组件，让开发者将 AI 智能体无缝嵌入自有产品、运营看板或业务系统，无需将工作流硬塞进通用聊天框。该框架强调前后端解耦与模型无关的编排能力，为 Ag...
Lumos NexCore – 鹿明机器人推出的具身智能进化引擎
Lumos NexCore 是鹿明机器人（Lumos Robotics）推出的具身智能进化引擎，定位为面向产业落地的技能基础设施。该平台将数据资产、模型训练、评测验证、技能管理和机器人运营整合为统一服务，使机器人技能从手工作坊式开发转变为可训练、复用、持续迭代的资产，实现像云服务一样被调用和验证，推动具身智能从单点 Demo 走向规模化产业应用。
