具身智能公司最喜欢展示机器人把杯子放进篮子、把抽屉推回去。原力灵机这次换了一个更难被视频美化的问题：如果模型真能泛化，能不能像调用大语言模型一样，被开发者直接通过 API 调起来？
7 月 9 日，原力灵机发布新一代具身基础模型 DM0.5，同时推出 DexDev 开发者平台、MaaS 服务和多智能体混合作业系统 Ferrata。它不是只发一个模型名字，而是把“模型、机器人本体、开发平台、真实场景”绑成了一套生态。
这次最醒目的数字，是 15 万小时训练数据。 DM0.5 参数规模为 4B，比上一代 DM0 翻倍；训练数据规模较上一代增加 400%，包括 5 万小时真机高精度操作数据、10 万小时第一视角 Ego 数据，以及 100 万平方米空间场景重建数据。
这组数据背后有一个现实判断：机器人行业缺的不是更多演示动作，而是能持续产生、持续回流、还能被模型吃进去的真实场景数据。
难点从“会不会动”转到“能不能泛化”
DM0.5 走的是 VLA 路线，但原力灵机把重点放在三个工程层：上下文抽象层、具身思维链任务和轨迹对齐层。
上下文抽象层让模型原生支持最长 60 秒记忆，官方说行业平均水平约 30 秒；具身思维链任务用于规划、目标定位和未来状态预测；轨迹对齐层则处理从语言指令到机械臂毫米级动作之间的落差。
这些改动对应到评测上，数字比口号更直接：
- Zero-shot 导航成功率较 DM0 提升 31%
- Few-shot 成功率提升 45%
- 微调后任务成功率提升 20%
- 推理效率整体提升 25%，H100 平台延迟低至 50ms，4090 显卡约 90ms
原力灵机联合创始人兼 CEO 唐文斌在发布中给了一个很直接的判断：
“DM0.5确实会比现有的开源的（具身基础模型）更好用。”
这句话真正指向的不是榜单第一，而是“好用”的定义正在变。过去模型公司证明自己，常靠一个固定任务的漂亮成功率；现在更关键的是，换物体、换环境、换本体、换指令后，它还能不能少训练、少调参地接住任务。
API 化是野心，也是压力测试
更有意思的部分是 MaaS。原力灵机推出具身通用 MaaS 服务，把 DM 系列模型封装成可调用能力，开发者不必从零训练模型，也不用先啃完整机器人硬件适配链路。
南都报道中提到，通用模型定价为 1 元 / 100 万 Token；定制模型则在这个价格基础上叠加 GPU 时长占用费。范浩强解释，按正常频率调用模型，每小时使用成本大概为几十元，接近雇佣真人干活的成本。
但具身 MaaS 和文本 MaaS 不是一回事。聊天模型慢几百毫秒，用户多数还能接受；机器人慢几百毫秒，夹爪可能已经撞到物体，移动底盘可能已经偏离路线。原力灵机披露的 MaaS 平台推理延迟约 150ms，范浩强认为“对于绝大多数任务而言已经够用”。
这也是本次发布里最值得继续验证的节点。云端模型适合做任务规划、模型训练、能力迭代和高层智能服务；底层运动控制、碰撞避让、紧急停止仍然很难完全交给云端。换句话说，MaaS 能降低开发门槛，但还不能把机器人端侧工程复杂度一键抹掉。
榜单还不是客户现场
DM0.5 的评测信息不少。在 RoboChallenge 真机评测 Table30 V2 中，它经过 30 个复杂任务、4 种异构机型检验，总得分 54.42，成功率 43%，位列第一；在 LIBERO 综合表现达到 99.1%，其中 Clean 场景 94.1%，Random 场景 94.4%。它还宣称微调成本下降 60%，最快 18 小时即可用一块 4090 完成一个下游任务的专家级微调部署。
这些数字说明模型能力在进步，但也要看清限制。具身模型评测今年已经出现“谁都第一”的噪音，真实客户现场不会按榜单出题。桌面材质、光照、相机抖动、夹爪磨损、人突然伸手干扰，都会把实验室里的成功率重新打折。
原力灵机这次同步推出 Ferrata，思路正是给机器人进真实场景时加一根安全绳：简单高频任务交给自动化设备，复杂长尾任务交给具身模型和机器人，异常情况再由远程遥操或人工接管兜底。这个设计比“机器人马上全自动替人干活”更接近产业现实。
真正可验证的下一步，不是 DM0.5 宣称超过谁，而是有多少开发者和本体厂商愿意把任务放到这套 API 与平台上跑。 如果调用量、真实任务成功率和数据回流能形成闭环，原力灵机就不只是多发了一个具身模型；它是在尝试把机器人公司最重的模型研发环节，拆成可购买、可测试、可迭代的基础设施。
如果这条路走通，具身智能的竞争会从“谁的视频更像未来”转到“谁的模型更容易被别人拿去干活”。这对整个行业更残酷，也更有用。
来源与核验：量子位、南方都市报、腾讯科技、原力灵机官网信息；核验对象包括发布时间、DM0.5 参数规模、15 万小时数据构成、100 万平方米空间数据、CocoLoop、Zero-shot/Few-shot/微调提升、50ms/90ms 延迟、MaaS 定价、150ms 云端推理延迟、Table30 V2 与 LIBERO 评测结果。