Tencent beginnt nicht mit Roboterhund oder Bühnendemo, sondern öffnet zwei Roboter-“Gehirne”: Hy-Embodied-VLM-1.0 für Szenenverständnis und Aktionsfolgen, Hy-Embodied-RxBrain-1.0 für Aufgabenzerlegung und visuelle Zielbilder.
Zwei Modelle, zwei Lasten
VLM-1.0 nutzt Hy3-A3B und Hy-ViT2, rund 30B MoE-Parameter und etwa 3B aktive Parameter pro Token. Tencent nennt 19 erste Plätze in 38 Embodied-Benchmarks und 11 zweite Plätze, mit 8,4% Durchschnittsgewinn gegenüber der Vorgängergeneration.
“We have released Hy-Embodied-VLM-1.0!”
RxBrain ist stärker auf Planung ausgerichtet. Das 6,2B-Modell verarbeitet Bild-/Video-QA, kurzfristige World-State-Vorhersage und gemeinsame Subgoal-Planung in einer autoregressiven Sequenz aus Reasoning-Text und imaginierten Bildern.
Die Datenbilanz zählt
Die Daten sind zentral: VLM nutzt über 18 Millionen QA-Beispiele und 48.000 hochwertige Instruktionen; RxBrain nutzt 50177 Stunden Operationsdaten, darunter 31568 Stunden Egocentric/UMI, 17292 Stunden reale Roboterdaten und 1317 Stunden Simulation. Hinzu kommen etwa 210 Millionen atomare Aktionssamples und 35 Millionen Embodied-Capability-Daten.
Reale Robotik zeigt Grenzen
Auf RxBrain-Bench erreicht Joint Embodied Planning 0,68 und Short-Horizon Future Video 0,62. Auf DOBOT X-Trainer und ARX A5 erreichen drei reale Aufgaben 97%, 95% und 68%, im Schnitt 87%, während Zielbildgenauigkeit 0,52 und physikalisch-zeitliche Plausibilität 0,53 Grenzen zeigen.
Die Open-Source-Veröffentlichung gibt Entwicklern eine reproduzierbare Referenz: Gewichte, Inferenzcode, vLLM- und Hugging-Face-Pfade sowie Apache-2.0-Lizenz. Der harte Test ist, ob die Modelle über Tencents Benchmarks, Roboterkörper und drei Realaufgaben hinaus übertragen.
Sources: Synced; arXiv:2607.12894 was used to verify model parameters, 38 evaluations and performance framing; GitHub and Hugging Face verified open weights, Apache 2.0 license and hardware requirements; CocoLoop; Tencent Hunyuan public repositories verified RxBrain parameters, data scale, benchmark scores and real-robot success rates.