智元 GO-3 打通具身模型学习与部署反馈

智元在 10 月 29 日发布的 GO-3 Preview，试图回答一个比「机器人能做什么」更关键的问题：机器人学会通用动作后，能否在真实工作中继续进步？它把预训练、后训练和部署后的学习串起来，展示了做煎饼果子、拼乐高和便利店作业等任务。

最有看头的是便利店实验：完整任务流程成功率从首日 28.6% 升至 5 天后的 85.7%。但这些数字能说明多大范围的能力，还得看测试条件，不能直接等同于机器人已经可以独立上岗。

从看懂任务到执行动作，中间缺什么

据 IT之家 10 月 30 日报道，GO-3 Preview 采用 WRAM（World Reasoning Action Model）架构，把任务推理、未来预测和动作生成连接起来。机器人需要同时处理三件事：理解要做什么，预测操作后会发生什么，再生成可以执行的动作。

它的预训练使用两类经验：人类第一视角视频提供物体交互和任务过程，机器人轨迹建立观测、动作与物理结果之间的联系。前者拓宽见识，后者补上「这个动作实际会造成什么结果」。

原文称，模型在家居、厨房、多机协作和灵巧操作场景中，可以不经额外微调完成陌生任务，即 Zero-Shot（零样本）任务；更复杂的任务则借助 Few-Shot（少样本）示范继续学习。

这里需要区分能力来源。制作煎饼果子用到了少量示范；乐高拼装经过了微调，还由智能体编排衔接多个步骤。它们并非都属于零样本完成的任务。

真正的重点是部署后还能不能学

预训练负责建立通用能力，后训练负责在尝试和反馈中改进动作策略。

智元为此构建了分布式混合环境后训练系统 Genie Evolver，依托百台真机，结合物理仿真与世界模型积累交互经验。原文给出两个结果：桌面冰壶经过 4 小时在线迭代，性能超过被测人类平均水平；抽积木塔可以连续抽取 5 块，并保持整塔稳定。

进入部署阶段，具身 Agent 框架 Genie Master 把判断、执行和反馈连接起来。搭载该框架的精灵 G2 在真实便利店作业时，据称可以自行定位失败原因、调整策略并保存经验，不依赖人工示范与调试。

这条路线的关键，是把失败记录变成后续操作可以利用的经验。

例如挂小挂钩，机器人通过分析失败调整动作时序。原文报告了两组结果：

• 完整任务流程成功率从首日 28.6%，到 5 天后稳定至 85.7%。
• 挂小挂钩的单任务成功率相比常规微调（SFT）提升 17.7 个百分点。

这两组数字衡量的对象不同，不能混在一起理解。前者描述部署期间的变化，后者描述与 SFT 的比较。原文没有说明各自的试验次数、任务分布和具体评估方法。

我的判断

我认可它把关注点放在「持续改进」上。机器人面对的是会变化的物理环境，单次演示成功与长期稳定工作之间，仍然隔着大量失败处理。把这些失败纳入学习，比只展示一段顺利完成任务的视频更有价值。

但目前的报道还不足以证明这套方法能普遍复制。便利店实验没有交代任务难度是否保持一致、期间环境是否调整，也没有展开「无人在环」覆盖哪些环节。百台真机、仿真和世界模型组成的训练条件，一般团队也未必具备。

与常规 SFT 相比，持续在线学习的潜在优势是部署后仍能利用新经验；不过，17.7 个百分点只是报道中的特定任务结果，不能推成所有任务都更优。

原文还称模型登顶 RoboDojo、RoboTwin、RoboColiseum 三大评测榜单，但没有给出具体分数、榜单版本和对照模型。榜首是线索，还不是完整证据。GO-3 Preview 计划于 2026 年底全面开源，具体开放内容，原文没有说清。

能拿来做什么

• 评估具身模型时，先把零样本、少量示范、微调和智能体编排分开记录，避免把不同条件下的演示当成同一种能力。
• 为机器人或 Agent 做任务看板时，同时记录单任务成功率和完整流程成功率；一步做对，不代表整条流程能稳定完成。
• 设计日常 AI 编程 Agent 的失败记录时，可以借鉴「定位原因、调整策略、保存经验」这条链路，但应通过独立评测验证效果，不能把机器人实验中的提升数字直接套过来。
• 如果准备基于 GO-3 Preview 做开发，先关注 2026 年底的实际开源范围，再判断它是否具备可复现、可部署的条件。