A Tencent não começou por um robô ou uma demo de palco, mas abriu dois “cérebros” de robôs: Hy-Embodied-VLM-1.0 para entender cenas e efeitos de ações, e Hy-Embodied-RxBrain-1.0 para dividir tarefas e imaginar metas visuais.
Dois modelos, duas cargas
O VLM-1.0 usa Hy3-A3B e Hy-ViT2, com cerca de 30B parâmetros MoE e 3B ativos por token. A Tencent cita 19 primeiros lugares em 38 benchmarks embodied e 11 segundos lugares, com ganho médio de 8,4% sobre a geração anterior.
“We have released Hy-Embodied-VLM-1.0!”
O RxBrain é mais voltado a planejamento. O modelo de 6,2B lida com QA de imagem/vídeo, previsão curta de world state e planejamento conjunto de subobjetivos em uma sequência autorregressiva que alterna texto e imagem imaginada.
A conta de dados importa
A conta de dados pesa: o VLM usa mais de 18 milhões de QAs e 48 mil instruções de alta qualidade; o RxBrain usa 50177 horas de dados de operação, incluindo 31568 horas egocentric/UMI, 17292 horas de robôs reais e 1317 de simulação. O time também criou cerca de 210 milhões de amostras de ação atômica e 35 milhões de dados embodied.
Resultados reais ainda mostram limites
No RxBrain-Bench, o planejamento embodied marcou 0,68 e o future video curto 0,62. Em DOBOT X-Trainer e ARX A5, três tarefas reais chegaram a 97%, 95% e 68%, média de 87%, mas target image 0,52 e plausibilidade temporal/física 0,53 mostram limites.
O lançamento open source dá aos desenvolvedores uma referência reproduzível: pesos, código de inferência, caminhos vLLM e Hugging Face, e licença Apache 2.0. O teste duro é transferir os modelos para benchmarks, corpos de robô e tarefas reais fora do material da 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.