宇树开源的60亿参数新大脑，7项成绩干到全球开源第一

7项第一赢在哪：不是会聊天，是“看得懂空间”

　　先说这7项SOTA的成色。它们来自配套的具身推理模型UnifoLM-ER-1，40亿参数，底座是开源的Qwen3-VL，喂了超过500万条具身推理样本。在空间指代、摆放位置、视觉指向、空间关系等7项基准上，它领先所有参评的开源模型。

　　更提气的是跟闭源巨头的对比。Where2Place考的是“东西该放哪儿”，它拿82分，GPT-6 Astra是69分；EmbSpatial考空间关系，它88·9分，对手83·3分。

　　为什么我要盯着“空间理解”这四个字说？因为对机器人而言，这比会聊天金贵得多。聊天模型答错一句话，哈哈一笑就过去了；机器人要是判断错杯子离桌沿多远、手该从哪个角度伸，结果就是东西摔地上。看得懂物体在哪、怎么摆、动作会引发什么，才算拿到了走进真实世界的入场券。

一个脑子干64件活：先预判“哪儿变”，再指挥全身

　　光会看还不够，模型最终得能干活。WLA是世界-语言-动作三个词，意思是把“理解环境、预测变化、生成动作”缝进了同一个模型，一个脑子统筹64项任务——54项桌面操作，叠毛巾、收餐具、插电源；10项全身操作，倒垃圾、铺床、把衣服放进洗衣机。平行夹爪和两种五指灵巧手都能驱动。

　　这里有两个设计很值得讲。

　　一个是它怎么预测未来。老办法是把未来整段视频逐帧“脑补”出来，又贵又慢；宇树换了个思路，先用光流比对前后帧，圈出真正会发生变化的那一小块区域——比如手在包手机，变的只是手、手机和接触的地方，背景桌子根本不用管——再把这块区域压缩成一串离散Token，让模型只预测“哪儿会变”。算力省了，速度也上来了。

　　另一个是它怎么指挥身体。机器人一次“整理抱枕”，手臂往哪伸、手指怎么开合、腰腿怎么配合，全搅在一起学只会越学越乱。宇树把动作拆成三路：末端位姿、手部关节、下肢关节，各自编码成动作Token，按同一条时间轴对齐，最后再由一个动作专家模块解码成连续的真实动作。手、臂、腿这才算“说上了同一种语言”。

为什么是这个时候拼命开源：宇树急着证明自己不只是硬件厂

　　看懂了技术，再看时机，你会发现这步棋意味更长。

　　宇树8月刚上市，资本却给了尴尬的表情：股价开盘1100元，如今跌破500元，市值从高点4400多亿回落到2100亿上下。分歧的核心就一句话——该按“硬件厂”还是“具身智能平台”给它估值？两套算法能差出好几倍。

　　开源，就是宇树给“平台”这个说法投的最重一票。模型和数据放出去，中小公司、研究者不用从零造轮子，自然围着它的接口做适配——它想当的，是机器人界的安卓。招股书里也写明了，要拿20多亿元投智能模型研发，主攻的就是这块短板。

　　当然，冷水也得泼。目前只开放了部分权重，后训练代码和最关键的WLA-Base权重还在“后续开放”清单上；64项任务再漂亮，也还没变成规模订单。王兴兴自己给过一把尺子：机器人走进八成陌生环境、完成八成任务，产业的ChatGPT时刻才算到。

　　我的判断是，这7项SOTA真正的信号，不是“宇树模型追上来了”这么简单，而是中国机器人产业的竞争主战场，正在从关节、电机这些“身板”，挪向数据和大脑。身板宇树已经证明过自己；现在，它想把脑子也变成护城河。

　　会干活的机器人很多，能让一万个开发者围着它的脑子干活——那才是平台的故事。