智元正式推出 GO-3 Preview 具身基座模型，这款产品最大亮点就是搭载自研 WRAM 世界推理动作架构，打通预训练、后训练、部署后全链路规模化学习，一举拿下 RoboDojo、RoboTwin、RoboColiseum 三大权威评测榜单第一名，整体通用操作能力迎来跨越式升级，能够在零样本、少样本条件下完成家居、厨房、多机协作、灵巧操作等复杂任务，模型还会在 2026 年底完成全面开源，给整个具身智能行业带来全新的技术底座。WRAM 架构打破了传统视觉动作模型只生成动作、不预判后果的短板，把任务理解、未来状态预测、动作生成三大环节整合到统一模型链路里，真正做到先预判环境变化，再输出对应动作，大幅降低机器人操作失误率。整个技术落地分为两大推进维度，同时依靠三大核心组件完成架构闭环，让海量人类视频经验和机器人真机轨迹数据都能被模型高效吸收，不断提升跨任务迁移能力。
一、WRAM 架构整体运行逻辑
- 整体链路：接收文字指令 + 环境视觉画面→完成任务语义理解→单步预判环境后续变化→筛选合理未来场景→生成匹配物理规则的可执行动作，全程一体化建模，不需要拆分多个独立模型。
- 双维度规模化扩容
- 数据维度：同时接入人类第一视角交互视频、真机实操轨迹数据，补齐物理世界常识，建立观测、动作、结果三者的对应关系，解决训练素材不足、经验无法迁移的问题。
- 模型维度：依靠 WRAM 原生结构把分散的交互经验整理成通用技能，不用针对每一项任务单独重做微调，大幅提升模型举一反三的能力。
二、WRAM 三大核心组件详解
1. CoAE 面向控制视觉编码器
CoAE 专门提取服务于动作控制的视觉特征，不再只单纯识别物体种类。它可以精准捕捉物体位置、形态、物体之间的受力关系，把视觉画面直接映射成机器人动作指令；优化之后视觉输入 token 量缩减到 DINOv3 的十六分之一，动作恢复误差直接降低 35%，视觉感知效率大幅提升。
2. SVP 单步视觉规划器
SVP 是整个架构的核心决策模块，实现单步生成完整未来场景。机器人拿到任务之后，会先预判执行动作之后整个环境会发生怎样的改变，再由动作生成模块规划出抵达该预测状态的操作路径。依靠这套机制，人类视频里的物理常识可以直接被模型学习，让机器人在动手之前先完成推演，避免盲目操作。
3. KASO 知识对齐选择性优化
KASO 负责在训练阶段筛选出合理的未来场景，自动剔除不符合物理规律的无效预测结果。模型会同时生成多条未来路径，KASO 从中挑选和现实物理规则匹配的方案，保证预测内容和真实世界保持一致，让模型学到的动作始终具备落地可行性。
三、GO-3 Preview 全链路学习体系
- 预训练阶段：依托 WRAM 架构完成通用能力打底，充分吸收海量异构交互数据，建立基础物理认知，支撑零样本跨场景作业。
- 后训练阶段：搭配 Genie Evolver 真机 + 仿真 + 世界模型协同系统，在虚拟环境里批量演练，再把真机实操反馈回流到模型，持续迭代优化精细操作能力。
- 部署后阶段：依托 Genie Master 智能体框架，机器人在真实作业里持续收集新场景数据，实现部署之后依然可以自主迭代进化，单台机器人积累的经验可以同步共享给整批设备，实现群体共同成长。
四、模型实测能力表现
- 榜单成绩：登顶 RoboDojo、RoboTwin、RoboColiseum 三项行业主流评测，综合成功率稳居行业第一梯队。
- 泛化能力：无需额外微调，就能完成抓取、拼装、开门、多机协同等任务，在不同机型本体之间实现能力快速迁移。
- 实操精度：在积木堆叠、零件插拔这类精细操作场景下，动作稳定性显著提升，大幅减少误碰、掉落等问题。
【相关 FAQ】
问题 1：GO-3 Preview 搭载的 WRAM 架构，和传统具身视觉动作模型最大区别是什么？
回答 1：GO-3 Preview 的 WRAM 架构把任务理解、未来预测、动作生成做成一体化链路，实现先预判后果再执行动作；传统模型大多只根据画面直接输出动作，缺少对环境变化的预判，WRAM 架构刚好补齐这一短板，同时依靠 CoAE、SVP、KASO 三大组件大幅降低动作误差，提升模型泛化水平。
问题 2：GO-3 Preview 依靠 WRAM 架构，能实现什么样的学习效果？
回答 2：GO-3 Preview 借助 WRAM 架构完成数据与模型双向规模化扩展，既能吸收人类视频里的物理常识，又能绑定机器人真机动作轨迹；在零样本、少样本场景下不用额外微调就能完成新任务，同时打通预训练、后训练、部署后全链路学习，机器人上线之后还能持续自主优化操作技能。
问题 3：GO-3 Preview 什么时候开源，WRAM 架构的核心技术会不会同步开放？
回答 3：GO-3 Preview 计划在 2026 年底全面开源，WRAM 整套具身原生架构对应的模型结构、训练逻辑都会同步对外开放，开发者可以直接基于这套架构继续开发人形机器人作业模型，快速落地各类实操场景。
【参考资料】
[2026-10-30] 智元发布具身模型 GO-3 Preview，年底全面开源 IT 之家
[2026-10-30] 智元推出具身基座模型 GO-3 Preview 财新网
[2026-10-29] 机器人学习进入全链路 Scaling 时代 36 氪
[2026-10-29] 智元发布 GO-3 Preview 具身模型 投资界
[2026-10-29] 智元创新日发布 GO-3 Preview 模型 北京商报
免责声明：本文内容仅基于公开行业资讯整理而成，所有技术参数、榜单成绩、开源计划均以企业官方发布信息为准；本文不构成任何技术投资、项目采购的决策依据，若内容信息存在更新调整，请以企业最新公告为准。