智元 GO-3 Preview

是什么

GO-3 Preview 是智元（AGIBOT）的具身智能（embodied AI）模型：这类模型要让机器人听懂任务、理解眼前的物理场景，并生成完成任务的动作用于执行。2026 年 10 月 29 日，智元在上海的创新日（Innovation Day）上展示了这个模型^[1]。名字里的「Preview」说明它是正式版本之前的预览发布。

具身模型与聊天助手背后的模型有一个明显区别：它的输出不是文字，而是动作——一串让机器去伸手、抓取、行走或装配的指令。这使问题在性质上更难：模型必须在行动的同时跟踪一个不断变化的世界，而一次错误的输出带来的是物理后果，不只是一句不通顺的话。

核心：世界推演动作模型

智元称，该模型建立在 WRAM 之上，即世界推演动作模型（World Reasoning Action Model），它把任务理解、未来状态预测和动作生成统一在一起^[1]。在许多机器人系统里，这三件事分属不同模块：一个负责解读指令，一个负责推演场景会怎样演变，第三个把计划翻译成电机的动作。WRAM 的前提是三者可以放在同一个模型里处理，机器人预期会发生什么与它决定怎么做是一起产生的，而不是事后拼接。

智元给出了三个设计，名为 CoAE、SVP 和 KASO，作用是连接「必须做什么」「接下来可能发生什么」以及「完成任务需要哪些动作」^[1]。

模型之外的学习系统

GO-3 Preview 被描述为一个整体学习系统的组成部分，而不是一个孤立的网络。与它并列的还有两个部件：混合后训练系统 Genie Evolver，以及具身智能体框架 Genie Master^[1]。粗略地说，预训练（pre-training）赋予模型通用能力，后训练（post-training）把它朝特定任务和标准上塑造，智能体（agent）框架则决定它在持续一段工作里如何行动，而不只是走一步。

智元把这套总体做法称为「全生命周期扩展」（full-lifecycle scaling），因为它的范围覆盖预训练、后训练和真实世界部署^[1]。在创新日的材料里，公司还提出了一种叫「物理智能扩展」（Physical Intelligence Scaling）的做法，把预训练、后训练和部署之后的持续改进结合起来^[2]。两种表述强调的都是同一件事：能力不会在训练结束时定型，机器人在部署中遇到的情况会被当作系统的进一步输入。

基准成绩

智元称，GO-3 Preview 在三项具身智能基准上排名第一：RoboDojo、RoboTwin 和 RoboColiseum^[1]。结果的分布是有区分的：在 RoboDojo 上，模型在任务成功率与过程得分两项均列第一；在 RoboTwin 和 RoboColiseum 上，它取得了最高的总分^[2]。

成功率是直观的指标，即模型完成任务的比重。过程得分看的不只是终点，还有走向终点的路径——这对机器人尤为重要，因为两次运行可以停在同一个位置，而其中一次在路上撞翻了东西。以上数字均来自智元自己的发布材料。

零样本与少样本

智元用该模型演示了零样本（zero-shot）与少样本（few-shot）能力^[2]。零样本指在没有针对该任务的样例的情况下尝试完成任务，少样本指看过少量示范之后再尝试。两者检验的都是模型是否学到了关于物理世界如何运转的一般规律，而不是背下了一套固定的动作。对机器人来说，这决定了它只能重复排练过的套路，还是可以被指向一个新物体、一种新摆放方式。

开源与位置

智元表示，GO-3 Preview 将在 2026 年底前完全开源^[1]。对这类模型来说，完全开源意味着其他团队可以运行它、在自家任务上测试它，并把结果与公布的基准数字对照。

这个模型属于这样一代系统：它们把机器人的「大脑」当作一个大型学习模型，而不是由感知、规划、控制手工串成的流水线。按公司的描述，它的特点在于 WRAM 内部把预测与动作合并，以及把训练和部署放进同一个回路。预览版的定位和开源计划留下的问题是：这些设计在普通使用中与真实硬件相遇后，还能保留多少。