智元机器人正式推出具身模型GO-3 Preview，该模型在预训练、后训练、部署后实现全链路规模化学习，并计划于2026年底全面开源。
GO-3 Preview采用具身原生的WRAM（World Reasoning Action Model）架构，将任务推理、未来预测与动作生成连接起来，使机器人能够理解指令、预测未来，并生成可执行动作。该模型已于近日登顶RoboDojo、RoboTwin、RoboColiseum三大行业权威评测榜单。
在数据与模型两个维度上，GO-3 Preview共同推进Scaling：数据维度通过人类第一视角视频与机器人轨迹，解决“学什么、学得够不够广”；模型维度则通过增强学习能力，把分散经验组织为可迁移的通用能力。经过预训练，机器人在Zero-Shot与Few-Shot任务中即可直接完成家居、厨房、多机协作、灵巧操作等陌生任务；面对更复杂的长程精细任务（如制作煎饼果子），仅需少量示范即可进一步学习。
在后训练阶段，智元构建了分布式混合环境后训练系统Genie Evolver，依托百台真机，结合物理仿真与世界模型，让机器人在实践中提升能力。官方数据显示，在桌面冰壶任务中，经过4小时在线迭代，机器人性能超过被测人类平均水平；抽积木塔任务可连续抽取5块并保持整塔稳定。
部署后阶段，智元通过具身Agent框架Genie Master，把判断、执行与反馈连接起来，实现机器人在真实作业中的自主改进。搭载该框架的精灵G2在真实便利店上岗期间，不依赖人工示范与调试，自主定位失败原因、调整策略、沉淀经验。
数据显示，其完整任务流程成功率从首日28.6%，5天后稳定至85.7%。以挂小挂钩任务为例，机器人自主定位问题、调整动作时序，把失败记录变成动作指南，单任务成功率相比常规微调（SFT）提升17.7个百分点，且支持持续在线学习，区别于SFT容易出现的瓶颈。
