AI数据服务商Micro1年收入突破1亿美元，估值达5亿美元，成为增长最快的AI供应链公司。公司从招聘工具转型为“AI专家云”平台，管理数千名跨学科专家，创始人年仅24岁。
未来不远公司推出F1机器人，具备22个关节和轮式底盘，能自动执行起床任务，如推床、拉窗帘、热牛奶等，全程无需遥控。它还能扫地、哄娃，续航8小时，通过RVLA模型离线训练动作，遇障碍自动重试，提升家务效率。
南洋理工大学与上海人工智能实验室联合推出开源框架PhysX-Anything，仅需单张RGB图像即可生成包含几何、关节和物理参数的完整3D资产，可直接用于机器人训练。技术亮点包括：由粗到细的流程，先预测整体物理属性再细化部件；新型压缩3D表示方法，避免视觉优先导致的物理失真。
马斯克宣布xAI下一代模型Grok 5推迟至2026年Q1发布，参数量达6万亿，原生支持视频理解，号称“每GB智能密度”创纪录。采用多模态MoE架构，可解析长视频并回答时序问题，目标领跑通用AI竞赛。训练使用X平台实时数据，正扩建GPU集群。同时披露特斯拉Optimus人形机器人进展。
HOMIE 是一种新型的人形机器人遥操作系统，集成人体运动捕捉与强化学习训练框架，用于实现精准的行走与操作任务。
通过玩游戏训练AI机器人，轻松创建定制化游戏机器人。
模块化仿人机器人，用于强化学习训练
构建、定制和训练您自己的GPT聊天机器人。
Alibaba
$6
输入tokens/百万
$24
输出tokens/百万
256
上下文长度
$8
$240
52
$2
-
Moonshot
$4
$16
Baidu
32
Chatglm
128
Iflytek
$0.7
$1.95
16
$0.5
Google
Huawei
Tencent
28
Openai
$7.7
$30.8
200
$1.6
4
$12
lerobot
π₀.₅是由Physical Intelligence开发的视觉-语言-动作模型，具备开放世界泛化能力，能够在训练时从未见过的全新环境和场景中执行机器人任务。
VLA-Adapter
VLA-Adapter是一种在Libero-Spatial上训练的微型视觉语言动作模型，采用Prismatic-VLM架构，仅使用Qwen2.5-0.5B作为大语言模型主干。该模型在机器人基准测试中超越了参数规模更大的开源VLA模型，实现了高性能的视觉-语言-动作理解与执行。
AdilZtn
SmolVLA是一款紧凑高效的视觉语言动作模型，能在降低计算成本的情况下取得有竞争力的性能，并可以部署在消费级硬件上。该模型使用LeRobot进行训练，专为机器人技术应用设计。
adityak74
MEDFIT-LLM-3B是一个专门针对医疗问答优化的语言模型，基于Meta的Llama-3.2-3B-Instruct进行微调。该模型通过LoRA技术在医疗数据集上训练，显著提升了医学领域理解和直接回答能力，适用于医疗聊天机器人、患者教育等应用场景。
NiryoTeam
SmolVLA是一个紧凑且高效的视觉语言动作模型，能够在降低计算成本的情况下实现有竞争力的性能，并可以部署在消费级硬件上。该模型通过LeRobot进行训练，专为机器人技术任务设计。
GeniusJunP
SmolVLA是一个紧凑高效的视觉-语言-动作模型，能够在降低计算成本的情况下保持有竞争力的性能，适合部署在消费级硬件上。该模型使用LeRobot框架进行训练，专门针对机器人技术任务优化。
SmolVLA是一个紧凑高效的视觉-语言-动作模型，能在降低计算成本的情况下取得有竞争力的性能，可部署在消费级硬件上。该模型使用LeRobot框架训练，专为机器人技术应用设计。
allenai
MolmoAct是由艾伦人工智能研究所开发的开源动作推理模型，专门用于机器人操作任务。该模型基于Qwen2.5-7B和SigLip2构建，在家庭和桌面环境中的93种操作任务上训练，具有领先的视觉-语言-动作处理能力。
MolmoAct是由艾伦人工智能研究所开发的开源动作推理模型，专门用于机器人操作任务。该模型基于Qwen2.5-7B和SigLip2视觉骨干网络，在家庭和桌面环境中的93种独特操作任务上训练，具有领先的视觉-语言-动作推理性能。
nvidia
Cosmos-Predict2.5是NVIDIA开发的专为物理AI设计的高性能预训练世界基础模型套件，基于扩散模型技术，能够根据文本、图像或视频输入生成具有物理感知的高质量图像和视频，为自动驾驶、机器人等应用提供世界模拟能力。
Hume-vla
Hume-Libero_Object是一个在Libero-Object数据集上训练的双系统视觉-语言-动作模型，具备系统2思维能力，适用于机器人领域的研究和应用。
pepijn223
基于LeRobot训练的机器人策略模型，用于拾取力量宝石的任务
Hume-System2是一个双系统视觉-语言-行动（VLA）模型的系统2预训练权重，用于加速系统2的训练，为机器人领域的相关研究和应用提供支持。
Ziang-Li
基于LeRobot框架训练的机器人策略模型，用于特定任务执行
基于LeRobot框架训练的机器人策略模型，适用于机器人控制任务
declare-lab
基于开放X具身数据集训练的视觉-语言-动作模型，以语言指令和摄像头图像为输入生成机器人动作
Nora是一个开源的视觉-语言-动作模型，基于Qwen 2.5 VL - 3B训练，能够根据语言指令和相机图像生成机器人动作。
Remade-AI
基于Wan2.1 14B I2V 480p模型训练的LoRA，可将任何图像主体转化为展现机器人面部的视频效果
mbreuss
FlowerVLA是一个针对机器人操作任务预训练的视觉-语言-动作流策略模型，训练数据来自LIBERO 10数据集，仅包含10亿参数。
FlowerVLA是一个针对CALVIN D数据集预训练的视觉-语言-动作流模型，采用高效的流匹配架构，仅约10亿参数即可实现通用机器人操作策略。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
