GO-3 Preview – 智元推出的全链路规模化学习具身模型

GO-3 Preview 是智元机器人于 2026 年 10 月发布的具身基础模型，把预训练、后训练与部署后学习串成一条链路，采用 WRAM 架构，预训练数据约九成来自人类第一视角视频。官方称 GO-3 系列在 RoboDojo 等三项评测中领先，RoboDojo 榜第一为 Nano 版（平均 61.90 分），适用于人形机器人操作与真实场景部署后的持续改进。

GO-3 Preview 的核心能力

GO-3 Preview 想解决的是机器人「练完之后怎么继续长本事」。智元把它拆成三段：看人类视频学技能、在虚实之间反复练、上岗后从作业里继续攒经验。以下四项是这条链路落到具体任务上的表现。

看人类视频上手新任务

预训练数据约九成来自人类第一视角视频，覆盖范围比机器人示范更广。WRAM 用 CoAE 提取面向控制的视觉表征，SVP 预测未来视觉状态，KASO 筛选与动作相容的候选未来，再由逆动力学模型生成动作：从人类视频学物体交互与物理变化，结合机器人自身轨迹建立状态到动作的映射。官方称数百种任务可开箱即用，复杂操作再靠少量示范补精度。

在虚实之间练出手感

Genie Evolver 把真机、物理仿真与世界模型编成一套后训练系统：百台级真机给物理反馈，靠群体经验学习（CEL）汇聚成败，仿真扩大练习范围，世界模型从真实经历的关键决策点推演候选动作结果，再由真机反馈修正。官方称同等训练时间下，随参与学习的真机规模扩大，手机包装成功率从 50.8% 升到 98.3%，120 次测试的失败次数从 25 次降到 2 次。

干活时继续积累经验

部署后由 Genie Master 组织任务规划、执行检查、异常恢复与经验记忆，EEP 协议负责把判断落成动作。官方披露：搭载 Genie Master 的精灵 G2 在真实便利店部署验证中，完整任务成功率从首日 28.6% 升到 5 天后 85.7%，系统靠记录失败原因、调整执行策略持续改进。成败与恢复过程会回流成下一轮训练素材，官方称这是首次在真实业务场景验证具身递归自进化。

换一台本体也能迁移

模型在自有双足本体 X2 上完成双手持物开门、跪地取物等动作，说明动作策略没有绑死在单一形态上，对有多个机型的产品线尤其关键。同为 VLA 基础模型的路线可对照站内 LingBot-VLA 2.0。

GO-3 Preview 与同类具身模型的对比

下表按出品方、开源情况与主要用途等维度，把三款具身模型放在一起对照。

• 表格内数据来源：GO-3 Preview 取智元官方披露与发布会报道；Helix 2.5 与 UnifoLM-WLA-1.0 取站内规格页与各自官方说明。
• 产品对比简述：三者的开源情况差异最大——UnifoLM-WLA-1.0 权重代码全开源，Helix 2.5 未公开权重，GO-3 Preview 承诺 2026 年底开源但暂未落地。主要用途也不同：GO-3 偏长程操作与部署后学习，Helix 2.5 偏陌生家庭零样本家务。

如果关心的是把 VLA 模型接到真实机器人执行栈的中间件，站内的 Open-RAIL 提供了另一条思路。

GO-3 Preview 的应用场景与适用人群

这类模型的价值在需要连续判断的多步操作上，单点抓取的标准化工位用传统视觉方案更省：

• 产线上下料与装配：抓取、对位、插入这类需要力控与接触判断的多步操作。
• 仓储与零售补货：货架空间与包装材质各不相同，还要处理滑落与卡位。
• 长流程服务作业：熟食打包、取货一类需要连续判断与异常恢复的任务。
• 新机型快速上手：换本体后靠少量示范迁移，不必从零采集数据重训。

适用人群：适合已有人形或轮式本体、手里有真机集群的机器人团队，也适合在仓储、零售场景做具身落地的集成方。只想做算法预研或仿真验证的团队，可以对照站内 λ0 这类开放度更高的基座模型。

GO-3 Preview 的使用方法

GO-3 Preview 处于预览阶段，尚未提供公开模型下载与调用入口，落地有三条路径。以下按智元披露的技术体系整理企业级思路，不是开发者教程。

在线文档：核对本体型号与版本口径

1. 打开 智元机器人官网，在产品线里确认要适配的本体型号与当前版本。
2. 在新闻与发布记录里核对 GO-3 Preview 的评测口径，避免把转述当成官方数据。
3. 记录本体的相机布局、末端执行器与关节限位，后续训练与安全检查都要用到。

本地真机集群：采集轨迹并做混合环境后训练

1. 用少量示范采集目标任务轨迹，先按零样本跑一轮，确认基础成功率再决定是否微调。
2. 按 Genie Evolver 的思路把真机、仿真与世界模型接成一套：仿真扩场景，世界模型展开候选动作，真机回验。
3. 每轮训练后统计失败集中在哪一步，按环节补数据，而不是整体加量。

具身 Agent 编排：EEP 协议接口连接业务系统

1. 目前未开放面向普通开发者的调用接口，Genie Master 与 EEP 属智元配套技术体系，接入方式以官方后续发布为准。
2. 其设计思路是用 EEP 执行协议串起任务规划、执行检查与结果反馈，任务中断时保留进展并从断点重排。
3. 成功、失败与异常恢复的案例沉淀为记忆供同类任务复用，作业数据回流训练前先做清洗与标注。

两点提醒：Preview 阶段的数字来自官方披露与媒体报道，评测集与本体配置都由智元指定，换到自己的产线需要重新标定；真机采集与复现的成本远高于仿真，先在小批量任务上验证再扩大规模。

GO-3 Preview 的项目地址

• 官网：https://www.agibot.com.cn/
• 相关数据集仓库：https://github.com/OpenDriveLab/Agibot-World

GO-3 Preview 的价格与开源情况

GO-3 Preview 暂未开放权重下载与公开 API，智元已宣布计划 2026 年底全面开源，具体开放范围以正式发布为准，本文不写未经核实的费用数字。

落地成本主要在三块：本体与末端执行器的采购、真机集群的场地与运维、以及数据采集与训练的人力。

如果只是评估可行性，先用官网公开的任务演示与评测口径判断适配度，再决定是否进入真机验证。

GO-3 Preview 的常见问题