← すべてのニュース

智元のGO-3 Preview、3つのロボットランキングで1位と主張、導入後の継続学習を柱に年末オープンソース化へ

新智元の2026年10月29日の報道によると、智元はエンボディドモデルGO-3 Previewを発表し、RoboDojo、RoboTwin、RoboColiseumの3つのランキングで1位だと主張した。事前学習、事後学習、導入後の学習を1つの経路につなげており、同社は年末に全面的なオープンソース化を見込むが、重み、ライセンス、呼び出し方法はまだ公表していない。

公開 更新

主な変更

新智元の2026年10月29日の報道によると、智元は同日、エンボディドモデルGO-3 Previewを発表し、RoboDojo、RoboTwin、RoboColiseumの3つのロボットランキングで1位だと主張した。RoboDojoでは、報道で言及された汎用モデルGPT-6 Astraより上位に位置付けている。報道の説明によれば、このモデルの重点は個別指標ではなく、3段階の学習を1本の線につなぐことにある。事前学習では、世界推論行動アーキテクチャ「WRAM」を使う。これには制御向け視覚エンコーダーCoAE、単一ステップ視覚プランナーSVP、知識アラインメントの選択的最適化KASOが含まれ、同時に百万規模の実機データセットAGIBOT WORLD 2026を公開する。事後学習はGenie Evolverが担い、実機、物理シミュレーション、ワールドモデルの3つのエンジンで交互に試行錯誤する。さらに、失敗誘導型の経験検索ファインチューニングFERTを導入し、失敗前の状況をロボット群で共有する成功経験プールから検索し、その断片に重みを付けて学習する。導入後の段階は、10月27日に発表されたエージェントフレームワークGenie Masterが引き継ぐ。EEPという身体性実行プロトコルを通じて、上位の推論と下位の実行をつなぎ、失敗の教訓は長期記憶ルール(Harness RSI)として蓄積されるか、ポリシー重み(Policy RSI)へ還流する。報道が示した数値には次のものがある。生け花、衣服の折りたたみ、携帯電話の充電、スツールの組み立て、携帯電話の梱包という5つの実タスクの平均成功率が81.0%から97.3%へ上昇した。携帯電話の梱包における多段階の長い工程では失敗回数が92%減少し、衣服の折りたたみでは形状制御の成功率が85.8%から98.3%へ、工程全体の成功率が28.6%から85.7%へ上昇した。智元は、GO-3 Previewなどが年末に全面的にオープンソース化される見込みだと述べ、11月2日にG2ロボット6台を使って24時間のコンビニエンスストアライブ配信テストを行う計画も明らかにした。

開発者への影響

開発者にとって、この種の「導入後も学び続ける」という説明が変えるのは、1回の推論呼び出しのパラメータではなく、システムの形態だ。モデルを静的チェックポイントとして扱うなら、導入時にはタスクオーケストレーション、失敗時のリカバリー、人による引き継ぎを自分で補う必要がある。報道の描く路線では、モデル能力の一部は運用中に蓄積される経験に由来するため、データ還流とポリシー更新はシステムの一部であり、導入後に考える話ではない。評価の前提も見直す価値がある。RoboDojo、RoboTwin、RoboColiseumの順位はベンダーの単独表明で、報道はタスク分布、評価スクリプト、再現方法を開示していない。選定の結論としてではなく、「誰を優先して試すかのシグナル」として扱うほうが堅実だ。オープンソース化のスケジュールにも余地を残す必要がある。報道は「年末に全面的なオープンソース化を見込む」とだけ述べ、公開されるのが重み、学習コード、データのどれかも、ライセンスも示していない。オープンウェイトはオープンソースライセンスと同義ではなく、商用利用、再配布、派生モデルの権利はライセンス文書が確定するまで判断できない。現状では、ダウンロード可能な重みも、公開されたAPIや呼び出し方法もなく、短期的に既存サービスへ組み込むことはできない。できるのはアーキテクチャ面の準備と指標面の確認だけだ。

導入と評価の提案

以下は報道に基づく条件付きの判断であり、智元が公表した事実ではない。 判断1:「導入後の学習」のためにデータ還流と再学習のパイプラインに投資するか。報道で関連する変化は、Genie Masterが人手を介さずに工程全体の成功率を28.6%から85.7%へ高め、単一タスクではさらに17.7%改善すると主張している点だ。選択肢は2つある。ポリシーを凍結モデルとして扱い、記憶とオーケストレーション層の補完だけを行うか、失敗軌跡の収集、ポリシー更新、段階的置換を日常運用に組み込むかだ。選択を変える前提条件は、自社の現場で失敗の前後一定期間のセンサーデータと実行結果を安定して記録でき、ロールバック可能な更新プロセスを持っているかどうかだ。できなければ、記憶とオーケストレーション側の半分の利益しか得られない。評価基準は次のように定めたい。自社タスクの固定したホールドアウトセットで、同じタスク群を十分な回数繰り返して成功率の自然な変動幅を先に測り、そのうえで1回の更新後の改善がこの幅を明確に超えるかを見る。デモ動画だけを見るのではなく、この手順で判断する。 判断2:ゼロショットで始めるか、少数ショットの微調整を先に行うか。報道によると、GO-3はゼロショット汎化を売りにしており、未見のシーンや物体は微調整不要で、微調整後はレゴ部品の把持、位置合わせ、挿入をこなせるという。選択の根拠は2点だ。対象の機体でデモンストレーションデータを収集できるか、タスクが誤差をどの程度許容するかだ。タスクが長い工程で、1ステップの誤りが全体の失敗につながるなら、ゼロショットで直接導入するリスクは、小規模な微調整を先に行うより高い。評価基準は、同じホールドアウトタスクでゼロショットと少数ショットの成功率、1回の完了に必要な人手介入回数、完了までの時間を比較し、3項目のうち少なくとも2項目が安定して改善してから範囲を広げることだ。 判断3:この重みの公開を待つか、既存のオープンウェイトの選択肢を先に使うか。報道が示したのは、時期が不確かなオープンソース化の約束だけで、ライセンスやリポジトリの情報はない。プロジェクトのマイルストーンが重み公開より前なら、現在ダウンロード可能なオープンウェイトモデルで先にパイプラインを組むほうがリスクは低い。判断基準は3つの前提条件に単純化できる。重みがダウンロード可能であること、ライセンスが具体的な用途を許すこと、付属の推論スクリプトが動作し再現可能な評価結果を出せることだ。どれか1つでも欠ければ「未準備」として扱う。

制限と未確認事項

報道のランキング順位、成功率、効率改善幅は、智元と新智元による一方的な説明に由来し、記事は評価スクリプト、タスクセットの構成、第三者による再現を示していない。一部の数値はベンダーが選んだ実タスクから出ている。導入後の学習の利益はGenie Master、EEP、G2ロボットの機体に依存しており、他のハードウェアで成立するかは報道で説明されていない。オープンソース化は「年末に全面的なオープンソース化を見込む」と表現されているだけで、ライセンス、リポジトリのアドレス、重みファイルは示されていない。したがって現時点ではダウンロードも呼び出しもできず、報道にも公開されたAPIや価格情報はない。可用性に関する記述は智元の公式説明に従う。GO-3 PreviewはKimiSeekの現在のモデルカタログにはなく、KimiSeekはこのバージョンを提供していない。記事中のリリースと可用性はベンダー側を指す。また、記事中で言及されたGPT-6 Astraなどの比較対象は情報源が挙げたもので、その評価設定も公開されていない。

3分で最初の呼び出しまで

登録後に API キーを作成してください。利用料金はアカウント残高から引き落とされます。初回チャージ30%オフ。¥500チャージ、お支払い ¥350、入金額 ¥500。¥1000チャージ、お支払い ¥850、入金額 ¥1000 最低チャージはこれまでどおり ¥10 で、試用にも使えます。

出典と編集方針

刚刚,国产模型拿下三大榜单第一!年底全面开源

引用元を基にAIが分析と翻訳を補助し、自動品質チェックを行っています。提案は実測結果ではありません。提供状況と料金は最新カタログをご確認ください。