没有全科优秀，具身模型别想进入百万小时

原力灵机登顶 RoboDojo：一个专门给机器人"卸妆"的考场。

                                                                                                       

最近的朋友圈，几乎被机器人运动会和 WRC 2026 上的各种视频刷屏了。

看多了机器人百米冲刺、跳远，再看各个展台叠衣服、冲咖啡，很容易得出一个结论：机器人时代来了。

然而，如果你不幸参与过这些演示背后动辄几千次的调试与过拟合，你就会清楚这里面的水有多深。

行业内管这种情况叫"Demo 滤镜"。滤镜有多厚？说实话，即使你积累了一些行业知识，在现场盯着看，你也未必分得清：这个演示到底是提前编好的动作，还是模型在实时驱动。

这些信息差，让具身行业多少有些鱼龙混杂。

好在，学术界还留着几面"照妖镜"，比如 RoboDojo。

01

一个不许摆拍的考场

这是一个来头不小的权威评测：由香港大学多媒体实验室牵头，联合 UC 伯克利、清华等全球近 20 所顶尖机构，背后是知名仿真基准 RoboTwin 的原班人马。它干的事用一句话概括：给全世界的机器人模型办一场统一高考。

其中，42 道题，考泛化、记忆、精细操作、长程执行、开放语义理解五个科目；另外还有18 道题，考场里摆着三种双臂机器人（ARX X5、Piper 等），灯光、复位流程、部署接口全部统一，评审双盲打分，既看结果也看过程。

翻译一下：不许自带考具，不许挑题，不许摆拍，仿真、真机分开考。

成绩单相当惨烈。截至今年 7 月，仿真榜上 30 多个参评模型里，不乏大家熟悉的 π0.5（Physical Intelligence）、英伟达 GR00T-N1.7、OpenVLA-OFT，全是这个赛道叫得上名号的选手，头部模型的平均成功率只有 8.80%，作为对比，人类专家是 76.03%。

真机榜更惨：头部模型总体成功率 12.8%，人类 100%。最难看的是开放语义任务，成功率只有 1.67%。

1.67% 是什么概念？考 60 次，蒙对 1 次。而同一个考场里的人类，满分。

所以这个榜单暴露的，不是哪家公司不行，而是一个行业级现实：现在的具身模型，绝大多数离落地还很远。

然而最近，RoboDojo 的一家中国具身头部公司：原力灵机。它的通用具身基础模型 DM0.5，以 24.90 的综合得分、19.34% 的平均成功率，双项第一，综合排名登顶。

02

分数之外，先看它干活的样子

从去年底开始，AI 科技评论判断一个具身模型的含金量时，就越来越关注榜单之外的东西，它干活的样子。

毕竟，分数是给人看的，活是给世界干的。

我们特地找到了 DM0.5 的 GitHub 仓库，结果看到了一些让人意外的细节。

先从一个测试视频开始。桌上随机摆着红、绿、蓝三块积木。给你三个杯子，从左到右把它们挨个盖住。等颜色全部遮住，再按红、绿、蓝的顺序，把杯子依次揭开。

听着像逗小孩的。没错，三四岁的小孩确实能轻松完成，顺便还会嫌你无聊。但让机器人来呢？很遗憾，绝大多数"具身大脑"都会当场露馅：不是颜色记错，就是步骤乱套。

因为现在的具身模型，大多和金鱼差不多：走一步，忘一步。

主流 VLA 模型做决策时，只看眼前这一帧，或者最近几帧画面。十秒内的短任务没问题，抓个杯子、按个按钮，靠本能反应够了。但真实世界的活儿几乎都是长程的：做一顿饭半小时，收拾一间屋子一小时，流水线一站一整天。没有记忆，机器人就永远只能活在 10 秒的 Demo 里。

这个"杯子盖积木"，正是 RoboDojo 里的一道真题，任务名叫 Cover Blocks，考的就是记忆。 DM0.5 的表现，三个随机种子，DM0.5 全部 100% 通过。

注意，拿满分还有两个附加条件：杯子姿态全程有效，结束后物归原位。也就是说，它不是蒙对了一次开盖顺序，而是稳定走完"观察、记忆、按序执行、善始善终"的完整闭环。如果你是做具身算法的，就知道这个表现有多惊艳。

这个 100% 的含金量，放到榜单里更直观：Memory 维度，DM0.5 拿到 47.74 分、47.44% 的成功率；而全场第二名，只有 13.37 分、12.11%，得分差了 3 倍多，成功率接近 4 倍。

Memory一直是原力灵机的强项。PI的Mem具身记忆架构论文，就引用过原力灵机的MemoryVLA，肯定了其在具身记忆方向的探索。

近期旗舰π0.7论文再度引用该成果。π0.7作为全球泛化顶尖的机器人基础模型，架构基于PI的Mem框架，而MemoryVLA在“小脑记忆”路线的研究，为PI提供重要参考。两次引用，足以证明原力灵机在具身智能记忆领域的能力。而这次按榜单的五维综合评价，Memory 正是 DM0.5 拉开差距、最终登顶的关键科目。

03

治"金鱼病"，为什么这么难

可能有读者会问：既然记忆这么重要，为什么这么多公司不去攻克？

首先是贵。把几十秒的历史画面塞进模型，上下文一拉长，计算量暴涨，架构也得重新设计。多数团队的选择是先把短任务跑通，记忆以后再说。

这个剧情其实眼熟。大语言模型的进化史，几乎就是一部上下文长度的扩张史：从几千 token 到十几万、上百万，模型记得住的东西越多，能力就发生一次质变——从陪聊到读论文、写代码、当 Agent。上下文，就是语言模型的记忆。

而如果具身行业因为"贵"，一直解决不了大脑的记忆问题，那不管机器人是进工厂还是进家庭，都是个闯祸精。

DM0.5 为什么能把记忆做成杀手锏？我们翻了它的开源论文，找到了相关章节：

简单说，DM0.5 是把记忆从后面临时打的补丁，变成预训练阶段就长进去的原生能力。具体有三招：

第一招在架构。DM0.5 由 4B 的 VLM 多模态主干加 680M 的 Action Expert 组成，中间专门设了一个"上下文抽象层"：用高效的信息压缩，让 VLM 在预训练阶段就原生学习历史信息，原生支持最长 60 秒记忆，一套架构通吃可变长的时间窗口。

关键是"原生"两个字：不是把长历史硬塞进去硬算，而是让模型从小学会把历史压缩着用。

第二招在预训练。围绕历史上下文、具身推理、动作监督、数据质量做系统升级，让长程记忆、指令理解、动作连续性、抗干扰作为一个整体长出来，而不是东拼一块、西凑一块。

第三招在微调。针对下游任务的 SFT 里直接加入 20 秒历史观测，把预训练攒下的时序理解能力，真正迁移到考场任务上。

三招的回报，就是 Memory 维度那条接近 4 倍的分差。

04

只会背书，拿不了状元

不过按官方的说法，DM0.5 的登顶并非依赖某一项单点能力，而是预训练与针对性 SFT 共同带来的整体提升。我们在仓库里核对了一圈，确实如此。

LIBERO 综合成功率 99.0%；RoboTwi