先了解这件事
2026年10月6日,Reka AI 发布全模态模型 Rho-1 的研究预览版。据 The Decoder 报道,Rho-1 为 190 亿参数模型,在单一神经网络中处理并生成文本、图像、视频和机器人控制动作,所有模态作为 token 放在同一共享上下文窗口中运行,不调用工具或外部模型,可实时生成连续视频并即时响应新指令而无需重启;预测摄像头图像的同一套权重也驱动机器人动作,为绕开机器人训练数据稀缺,Reka AI 构建逆动力学模型从普通互联网视频中提取控制信号,模型在 320 块 H100 GPU 上训练约三个月。同日 MarkTechPost 报道称,该模型每个 Transformer 块包含理解与生成两套专家权重流,共享注意力和同一 KV cache,离散 token 承载文本与高层指令,连续 token 承载图像潜变量、视频帧、机器人动作和本体感知;蒸馏版本把去噪步数从 99 步降到 8 步,约 1 秒返回 5.3 秒片段,视频分辨率上限 672×384,目前仅研究预览,未公开权重、API 或定价。
AI 根据公开报道生成
最新进展 · 正式报道
Reka 发布 19B 全模态推理模型 Rho-1，可生成视频并输出机器人动作事件进展
1 个已确认进展
- 来源：The Decoder
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月6日
MarkTechPost
Reka 发布 19B 全模态推理模型 Rho-1，可生成视频并输出机器人动作
Reka 发布 19B 全模态推理模型 Rho-1 的研究预览版，单一网络可理解并生成文本、图像和视频，同时输出机器人动作，官方称其可直接替代在多个模态专用模型间传递任务的智能体流水线。模型每个 Transformer 块包含理解与生成两套专家权重流，共享注意力和同一 KV cache，离散 token 承载文本与高层指令，连续 token 承载图像潜变量、视频帧、机器人动作和本体感知。蒸馏版本把去噪步数从 99 步降到 8 步，约 1 秒返回 5.3 秒片段；训练使用 320 张 H100 历时 3 个月，视频分辨率上限 672×384，目前仅研究预览，未公开权重、API 或定价。
Latent Space精选
Reflection 发布 Beam：501B 总参数、23B 激活的美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token，并在约 10,500 块 GB300 上各跑四周预训练与 RL，自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平，部分基准低于 DeepSeek V4 Flash。
The Decoder
Reka AI 发布 190 亿参数全能模型 Rho-1，统一处理文本、图像、视频与机器人控制
Reka AI 发布研究预览版 Rho-1，这是一个 190 亿参数的全能模型，在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 将所有模态作为 token 放在同一个共享上下文窗口中运行，不调用工具或外部模型，可实时生成连续视频并即时响应新指令而无需重启。预测摄像头图像的同一套权重也驱动机器人动作，为绕开机器人训练数据稀缺，Reka AI 构建了逆动力学模型，从普通互联网视频中提取控制信号；Rho-1 在 320 块 H100 GPU 上训练了约三个月。