具身智能🔥9.0
Reka发布Rho-1：一个190亿参数全模态推理模型，可理解与生成视频并输出机器人动作
原标题: Reka发布Rho-1：一个190亿参数全模态推理模型，可理解与生成视频并输出机器人动作
📋总体概括
Reka发布从零训练的190亿参数全模态推理模型Rho-1，单一网络可理解和生成文本、图像、视频，并直接输出机器人动作，各模态共享KV缓存实现统一推理。其蒸馏变体可在约一秒内返回5.3秒视频片段，速度表现突出。目前该模型仅为研究预览版，尚未公开权重，意味着外界无法验证其实际能力，商业化落地路径也不明确。
⚡关键信息
- ▸Reka发布Rho-1，19B参数全模态推理模型，完全从零训练而非基于现有模型改造
- ▸单一网络统一处理文本、图像、视频的理解与生成，并可直接输出机器人动作指令
- ▸各模态共享KV缓存，架构上实现真正的统一推理而非简单拼接多个模型
- ▸蒸馏变体约1秒即可生成5.3秒视频片段，推理效率大幅提升
- ▸目前仅为研究预览版，未开放公开权重，实际能力尚待验证
🔥犀利点评
从零训练一个19B全模态模型还能输出机器人动作，听起来很美好，但「研究预览、不公开权重」这几个字基本宣判了它短期内与工程落地的距离。VLA领域不缺PPT级演示，缺的是能在真机噪声环境里稳定跑的模型。蒸馏后1秒出5.3秒视频是亮点，可视频生成和动作输出混在一个KV缓存里，稳定性如何仍是个问号。先看权重再喊颠覆。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →