Tencent ne commence pas par un robot ou une démo, mais par deux “cerveaux” robotiques ouverts : Hy-Embodied-VLM-1.0 pour comprendre scènes et effets d’action, et Hy-Embodied-RxBrain-1.0 pour découper les tâches et imaginer les buts visuels.
Deux modèles, deux charges
VLM-1.0 utilise Hy3-A3B et Hy-ViT2, avec environ 30B paramètres MoE et 3B actifs par token. Tencent cite 19 premières places sur 38 benchmarks embodied et 11 deuxièmes places, avec 8,4% de gain moyen sur la génération précédente.
“We have released Hy-Embodied-VLM-1.0!”
RxBrain vise davantage la planification. Le modèle 6,2B gère QA image/vidéo, prédiction courte de world state et planification conjointe de sous-objectifs dans une séquence autorégressive alternant texte de raisonnement et image imaginée.
Le compte des données importe
Le volume de données est central : VLM utilise plus de 18 millions de QA et 48 000 instructions de qualité ; RxBrain utilise 50177 heures d’opérations, dont 31568 heures egocentric/UMI, 17292 heures robot réel et 1317 de simulation. L’équipe forme aussi environ 210 millions d’échantillons d’actions atomiques et 35 millions de données embodied.
Les résultats réels gardent des limites
Sur RxBrain-Bench, la planification embodied atteint 0,68 et la future video courte 0,62. Sur DOBOT X-Trainer et ARX A5, trois tâches réelles atteignent 97%, 95% et 68%, moyenne 87%, mais target image 0,52 et plausibilité temporelle/physique 0,53 montrent les limites.
L’ouverture donne aux développeurs une référence reproductible : poids, code d’inférence, chemins vLLM et Hugging Face, licence Apache 2.0. Le test difficile sera le transfert hors des benchmarks, corps robotiques et tâches réelles de Tencent.
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.