從2025年春晚的表演破圈到人形機器人馬拉松，再到年底的量產落地、商業(yè)閉環(huán)，具身智能的風向正在發(fā)生變化。

尤其當具身智能進入產業(yè)落地期，機器人表演式成功已經不足以滿足業(yè)界對其能力的期待。產業(yè)端進入更加看重“機器人大腦”及其相應帶來的泛化能力的階段，因為真實世界不存在完全標準化的場景，無論在工業(yè)分揀、養(yǎng)老護理還是倉儲物流等場景，機器人都要解決自主且穩(wěn)定地與真實物理世界交互的問題。

——這正需要強大的具身智能模型能力作為支撐。那么，大規(guī)模落地應用到來前，我們如何評估具身智能模型這一“機器人大腦”的能力？

和大語言模型一樣，具身智能模型同樣需要建立開放公正的評價體系，以測評推動行業(yè)進步。Robochallenge是全球首個大規(guī)模、多任務的真機基準測試平臺，意在為VLA模型在機器人上的應用提供評估標準。

值得關注的是，具身智能模型測評和大語言模型測評有非常大的差異。大語言模型的測評多為“閉卷答題”，以靜態(tài)數據輸出與文本、圖像指標為主，不涉及物理交互與連續(xù)動作執(zhí)行。而具身模型的測評更加側重“感知-決策-執(zhí)行”的物理閉環(huán)，在測評時需要提前公開任務，核心驗證對象為視頻動作序列和任務成功率，類似于“開卷考試+實操考核”。

因此，用公開代碼的開源具身智能模型參與測評，才是是更貨真價實、更有價值的。

RoboChallenge最新發(fā)布的測評結果顯示，自變量開源端到端具身智能基礎模型wall-oss以46.43分超越pi0，總分排名第二，僅次于pi0.5。

Pi0、pi0.5背后的公司Physical Intelligence主要團隊成員來自伯克利、斯坦福等高校和谷歌專家等。自變量機器人創(chuàng)始人王潛為南加州大學博士學位，是全球最早在神經網絡中提出Attention機制的研究者之一；CTO王昊則主導開發(fā)國內首個多模態(tài)開源大模型“太乙”、百億級大語言模型“燃燈”及千億級模型“姜子牙”。

具體來看，wall-oss在疊洗碗巾、掛口杯、按按鈕、澆盆栽、移物入盒及開瓶器進抽屜等多個單任務中排名第一。

排名前三名，wall-oss是唯一一個國內開源具身基礎模型。

開源模型把模型代碼、訓練數據乃至架構設計公開，讓測評過程可全程復現，能夠規(guī)避通過微調其他模型來“刷榜”的行為，可以更客觀、真實地反映模型能力。這勢必將引導各個具身智能玩家回歸技術本身，用技術能力構建自身的核心競爭力。

同時，開源模型有助于技術透明迭代，能夠加速具身智能行業(yè)創(chuàng)新。開放協(xié)作的“集體智慧”，遠比封閉開發(fā)更能應對真實世界的復雜性、隨機性。

自變量從成立以來，就致力于樹立開源的標桿，讓每次開源都對行業(yè)產生價值。去年9月，wall-oss模型正式開源，預訓練模型權重、訓練代碼、數據集接口以及詳細部署文檔全部公開，開發(fā)者可以在自己的機器人上直接跑通閉環(huán)流程。

自變量機器人聯合創(chuàng)始人兼CTO王昊此前曾公開談及自變量堅持來源的初衷：“開源意味著我們可以站在巨人的肩膀上繼續(xù)前進。我們可以基于已有成果做更多的改進，社區(qū)開發(fā)者的反饋也會幫助到開源的公司，開源公司可以從中吸取到經驗，然后把這個技術路線思考得更加深入。一般的高校、或者一些小型的企業(yè)，他們可能沒有能力去做基礎模型，但是如果能夠使用這些基礎開源模型，他們就可以去做應用，把它用到各個方向，豐富整個生態(tài)，這也是一個非常重要的事情。”

在RoboChallenge發(fā)布測評結果之后，wall-oss提交的復現結果示例、微調代碼也將在下周全部開源，讓模型展現出的泛化能力、推理能力等有據可查。除了檢驗測試結果的真實性，開發(fā)者們也可以在平臺上根據源代碼和各個任務的微調代碼，結合自己的數據完成復現微調。

這意味著，自變量提供的不僅僅是一個模型，而是一整套完整可復現的方案，這對具身智能基礎模型的透明迭代和標準共建具有更深遠的意義。

擁抱開源，是具身智能走向成熟的必經之路。只有把技術從封閉的實驗室里解放出來，讓更多人參與、驗證、改進，才能真正突破單點創(chuàng)新的局限，具身智能才能真正從實驗室走向真實世界。