沒有全科優秀，具身模型別想進入百萬小時

原力靈機登頂 RoboDojo：一個專門給機器人"卸妝"的考場。最近的朋友圈，幾乎被機器人運動會和 WRC 2026 上的各種視頻刷屏了。看多了機器人百米衝刺、跳遠，再看各個展臺疊衣服、衝咖啡，很容易得出一個結論：機器人時代來了。然而，如果你不幸參與過這些演示背後動輒幾千次的調試與過擬合，你就會清楚這裡面的水有多深。行業內管這種情況叫"Demo 濾鏡"。濾鏡有多厚？說實話，即使你積累了一些行業知識，在現場盯著看，你也未必分得清：這個演示到底是提前編好的動作，還是模型在實時驅動。這些信息差，讓具身行業多少有些魚龍混雜。好在，學術界還留著幾面"照妖鏡"，比如 RoboDojo。

01一個不許擺拍的考場這是一個來頭不小的權威評測：由香港大學多媒體實驗室牽頭，聯合 UC 伯克利、清華等全球近 20 所頂尖機構，背後是知名仿真基準 RoboTwin 的原班人馬。它乾的事用一句話概括：給全世界的機器人模型辦一場統一高考。其中，42 道題，考泛化、記憶、精細操作、長程執行、開放語義理解五個科目；另外還有18 道題，考場裡擺著三種雙臂機器人（ARX X5、Piper 等），燈光、復位流程、部署接口全部統一，評審雙盲打分，既看結果也看過程。翻譯一下：不許自帶考具，不許挑題，不許擺拍，仿真、真機分開考。成績單相當慘烈。

截至今年 7 月，仿真榜上 30 多個參評模型裡，不乏大家熟悉的 π0.5（Physical Intelligence）、英偉達 GR00T-N1.7、OpenVLA-OFT，全是這個賽道叫得上名號的選手，頭部模型的平均成功率只有 8.80%，作為對比，人類專家是 76.03%。真機榜更慘：頭部模型總體成功率 12.8%，人類 100%。最難看的是開放語義任務，成功率只有 1.67%。1.67% 是什麼概念？考 60 次，蒙對 1 次。而同一個考場裡的人類，滿分。所以這個榜單暴露的，不是哪家公司不行，而是一個行業級現實：現在的具身模型，絕大多數離落地還很遠。

然而最近，RoboDojo 的一家中國具身頭部公司：原力靈機。它的通用具身基礎模型 DM0.5，以 24.90 的綜合得分、19.34% 的平均成功率，雙項第一，綜合排名登頂。02分數之外，先看它幹活的樣子從去年底開始，AI 科技評論判斷一個具身模型的含金量時，就越來越關注榜單之外的東西，它幹活的樣子。畢竟，分數是給人看的，活是給世界乾的。我們特地找到了 DM0.5 的 GitHub 倉庫，結果看到了一些讓人意外的細節。先從一個測試視頻開始。桌上隨機擺著紅、綠、藍三塊積木。給你三個杯子，從左到右把它們挨個蓋住。等顏色全部遮住，再按紅、綠、藍的順序，把杯子依次揭開。聽著像逗小孩的。

沒錯，三四歲的小孩確實能輕鬆完成，順便還會嫌你無聊。但讓機器人來呢？很遺憾，絕大多數"具身大腦"都會當場露餡：不是顏色記錯，就是步驟亂套。因為現在的具身模型，大多和金魚差不多：走一步，忘一步。主流 VLA 模型做決策時，只看眼前這一幀，或者最近幾幀畫面。十秒內的短任務沒問題，抓個杯子、按個按鈕，靠本能反應夠了。但真實世界的活兒幾乎都是長程的：做一頓飯半小時，收拾一間屋子一小時，流水線一站一整天。沒有記憶，機器人就永遠只能活在 10 秒的 Demo 裡。這個"杯子蓋積木"，正是 RoboDojo 裡的一道真題，任務名叫 Cover Blocks，考的就是記憶。DM0.

5 的表現，三個隨機種子，DM0.5 全部 100% 通過。注意，拿滿分還有兩個附加條件：杯子姿態全程有效，結束後物歸原位。也就是說，它不是蒙對了一次開蓋順序，而是穩定走完"觀察、記憶、按序執行、善始善終"的完整閉環。如果你是做具身算法的，就知道這個表現有多驚豔。這個 100% 的含金量，放到榜單裡更直觀：Memory 維度，DM0.5 拿到 47.74 分、47.44% 的成功率；而全場第二名，只有 13.37 分、12.11%，得分差了 3 倍多，成功率接近 4 倍。Memory一直是原力靈機的強項。

PI的Mem具身記憶架構論文，就引用過原力靈機的MemoryVLA，肯定了其在具身記憶方向的探索。近期旗艦π0.7論文再度引用該成果。π0.7作為全球泛化頂尖的機器人基礎模型，架構基於PI的Mem框架，而MemoryVLA在“小腦記憶”路線的研究，為PI提供重要參考。兩次引用，足以證明原力靈機在具身智能記憶領域的能力。而這次按榜單的五維綜合評價，Memory 正是 DM0.5 拉開差距、最終登頂的關鍵科目。03治"金魚病"，為什麼這麼難可能有讀者會問：既然記憶這麼重要，為什麼這麼多公司不去攻克？首先是貴。把幾十秒的歷史畫面塞進模型，上下文一拉長，計算量暴漲，架構也得重新設計。

多數團隊的選擇是先把短任務跑通，記憶以後再說。這個劇情其實眼熟。大語言模型的進化史，幾乎就是一部上下文長度的擴張史：從幾千 token 到十幾萬、上百萬，模型記得住的東西越多，能力就發生一次質變——從陪聊到讀論文、寫代碼、當 Agent。上下文，就是語言模型的記憶。而如果具身行業因為"貴"，一直解決不了大腦的記憶問題，那不管機器人是進工廠還是進家庭，都是個闖禍精。DM0.5 為什麼能把記憶做成殺手鐧？我們翻了它的開源論文，找到了相關章節：簡單說，DM0.5 是把記憶從後面臨時打的補丁，變成預訓練階段就長進去的原生能力。具體有三招：第一招在架構。DM0.

5 由 4B 的 VLM 多模態主幹加 680M 的 Action Expert 組成，中間專門設了一個"上下文抽象層"：用高效的信息壓縮，讓 VLM 在預訓練階段就原生學習歷史信息，原生支持最長 60 秒記憶，一套架構通吃可變長的時間窗口。關鍵是"原生"兩個字：不是把長曆史硬塞進去硬算，而是讓模型從小學會把歷史壓縮著用。第二招在預訓練。圍繞歷史上下文、具身推理、動作監督、數據質量做系統升級，讓長程記憶、指令理解、動作連續性、抗干擾作為一個整體長出來，而不是東拼一塊、西湊一塊。第三招在微調。針對下游任務的 SFT 裡直接加入 20 秒歷史觀測，把預訓練攢下的時序理解能力，真正遷移到考場任務上。

三招的回報，就是 Memory 維度那條接近 4 倍的分差。04只會背書，拿不了狀元不過按官方的說法，DM0.5 的登頂並非依賴某一項單點能力，而是預訓練與針對性 SFT 共同帶來的整體提升。我們在倉庫裡核對了一圈，確實如此。LIBERO 綜合成功率 99.0%；RoboTwin 2.0 簡單和複雜場景分別是 93.6% 和 93.3%；VLA-Arena 三檔難度下 89.0%、53.6%、44.1%；導航任務 R2R、RxR 的未見場景成功率 59.7% 和 65.5%，全面壓過基線方法。

在另一項同樣"魔鬼"的評測 RoboChallenge Table30 v2裡，面對 ARX5、UR5、ALOHA、Dexmal-Mirror 四種不同構型的機器人、30 個複雜任務，DM0.5 以 43.0% 的整體成功率、54.42 的綜合得分位列第一。榜單看到這裡，我們更好奇了：DM0.5 落到真刀真槍的活兒上，到底能不能打？官方放出的實機演示裡，有幾段值得細看。第一段是拼微型積木。最小組件寬度不到 1 釐米，抓取和扣合要在 0.1 到 1 毫米的尺度內完成，而人手的自然抖動極限差不多就是 0.3 到 1 毫米——這個活的精度要求，正好卡在人類手抖的誤差帶裡。DM0.

5 控制下的機械臂有個很"人"的動作：先對準，再輕輕一震，抖著往下壓，用一股"寸勁兒"把積木送進卡扣。更神奇的是出錯的時候。高強度連續作業中，難免有積木因角度偏差接錯。它沒有死板地繼續拼，而是自主感知到了"拼裝失敗"：停頓大約半秒——那半秒很像人發現不對時的愣神——然後調整姿態、重新抓取、修正位置、再度按下。平均每臺機器人 12 秒完成一次拼裝，全天候無間斷。再比如削黃瓜和切黃瓜。削黃瓜這類需要精細力控的柔性任務，靠的是通過關節電機的電流值實時感知作用力，對接觸力做精確判斷。切黃瓜聽著簡單，但執行端是一雙 58 個自由度的靈巧手：握刀、扶穩、下刀、控制力道。

黃瓜是軟的、會滾動、每根形狀都不一樣，這種柔性物體，靠寫死軌跡的傳統工業機器人根本碰不了，只能讓底座模型實時感知、實時決策。DM0.5 加一層針對性後訓練，就把 58 個自由度管了起來。物流分揀則是另一個極端，考的不是細，是快。傳送帶上包裹堆疊、材質各異、姿態隨機，DM0.5 不用預設腳本，純靠實時視覺識別和決策，平均 3 秒分離一件，準確率超過 99%。還有一段抗干擾測試，讓人印象很深。機器人正在收拾桌面，人類中途強行把它推開、相機被猛晃，它的反應是：停下來看清楚，接著幹——還記得剛才的東西收到哪了。這背後就是前面說的原生 60 秒記憶：它能記住整整一分鐘內自己做過的所有動作。

這個能力還有個順手的衍生品：既然記得住長序列，它就能直接"看懂"人類的演示視頻，看完跟著做。繞開語言，看視頻上崗。（）05同一個考場，憑什麼它分高記憶是殺招，但一場五門課的考試，光靠一門贏不了。DM0.5 的基本盤，還有三樣東西。先說數據。具身智能和聊天機器人最大的區別是，語料沒法從互聯網上白嫖。網上有幾萬億字的文本，但沒有"機器人第一視角抓杯子"的數據，這玩意只能拿真機一小時一小時地採，又貴又慢。

原力靈機在數據上的家底有三大塊：真機數據：5 萬小時高精度操作數據，做到秒級指令-動作對齊；Egocentric 數據：10 萬小時第一視角視頻，能生成毫米級精度的 3D 空間標註；場景重建數據：100 萬平方米空間建模，把真實室內環境高精度數字化，讓模型在仿真裡訓練時，看到的考場和真機考場儘可能一樣。高質量數據才能帶來高質量智能。這套覆蓋導航、抓取、全身控制三大任務、六類機器人本體的數據資產，把仿真與現實的鴻溝一寸一寸填平。再說腦子。團隊內部有句話說得挺直白："沒有語言能力的 VLA，就是數據集復讀機。“如果模型只是把畫面死記硬背地映射到動作，換個場景就廢。DM0.

5 加了一層"具身思維鏈”：動作生成之前，模型要先想清楚一串問題——目標物體在哪、上一步幹了什麼、這步該不該結束、不這麼幹會怎樣（反事實推理）。11 項推理任務，逼模型真正理解指令、環境和自身的關係，而不是背答案。最後是最硬核的一塊：速度。VLA 模型一直被一個問題卡著脖子：模型越大越聰明，但推理越慢。如果模型半秒才能給出一次動作指令，機器人就像喝了半斤白酒，眼睛看著杯子掉下去，手就是來不及。行業裡的解法是"雙系統"：慢系統想清楚，快系統手上快。Figure 的 Helix、英偉達的 GR00T 都走這條路，算是行業共識。DM0.

5 也是雙系統：Sys2 負責理解指令、預判大局，Sys1 動作專家網絡負責高頻響應。差別在於，原力靈機把推理速度捲到了離譜的水平：通過 Vision TensorRT、FP8、CUDA Graph 等一串工程優化，模型核心延遲從 534 毫秒壓到 57.49 毫秒，9.29 倍加速，API 響應控制在 70 毫秒內。而且在 2000 個 LIBERO 測試 episode 上，成功率只掉了 0.05 個百分點（98.45% → 98.40%），幾乎無損。57 毫秒什麼概念？人眨一次眼大約 100 到 150 毫秒。DM0.5 的"思考加出手"，比眨眼還快。

大模型的智力，第一次跑進了實時控制要求的時間窗口。前面演示裡，它能接住人類的突然打斷、能在流水線上 3 秒一單，靠的就是這個。06考第一的DM0.5，居然是一個開源模型聊開源之前，得先說清楚這場"全科第一"為什麼值錢。同一個模型，在仿真、真機、導航、精細操作這些差別極大的場景裡都跑進第一梯隊，這在具身行業並不多見。它釋放的信號是：具身模型的能力上限，正在被真正看見。更關鍵的是，行業現在把寶全押在數據上，"百萬小時"幾乎成了口頭禪。但數據 Scaling 有個常被忽略的前提：木桶能裝多少水，取決於最短的那塊板。記憶、推理是短板，灌再多數據，水照樣從短板流走。

全科優秀，才是進入百萬小時時代的必要條件，每門課都沒有結構性漏洞，數據才會真正轉化為能力。DM0.5 考出的，正是這張"值得灌數據"的門票。然後才是開源的故事。按商業劇本，考第一的模型應該捂著，賣 API、賣授權，把領先優勢變現得越久越好。原力靈機反著來：DM0.5 全面開源。模型權重、訓練框架，從 LIBERO 到 RoboTwin2、RoboChallenge 再到真機 SO101 的完整工作流，陸續放上 GitHub 和 Hugging Face，核心代碼也提交給了 LeRobot 社區。前陣子，國際電信聯盟（ITU）具身智能焦點組首次線下會議，原力靈機當選"開源生態"工作組組長單位。

這個選擇接住了上面的邏輯。具身智能缺一個公共底座：每家公司都在重複造輪子，中小團隊根本進不了場。一個經過全科驗證的底座開源出來，等於告訴所有開發者：放心往裡灌數據，這隻桶沒有洞。短期看是讓渡壁壘，長期看，誰成為生態的默認底座，誰就拿走最值錢的門票。RoboDojo 那張 1.67% 的成績單，短期看是行業的難堪，長期看是好事：具身智能終於有了一把沒人能作弊的尺子，"我家機器人很智能"這句話，從此需要證據。而登頂之後選擇開源的 DM0.5，把尺子、證據和答卷一起放到了所有人面前。物理世界的智能覺醒，可能就從有人願意公開答卷開始。

（）上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。