Tencent không mở đầu bằng robot chó hay demo sân khấu, mà đưa hai “bộ não” robot ra mã nguồn mở: Hy-Embodied-VLM-1.0 để hiểu cảnh thật và tác động hành động, Hy-Embodied-RxBrain-1.0 để chia nhiệm vụ và tưởng tượng ảnh mục tiêu.
Hai mô hình, hai loại tải
VLM-1.0 dùng backbone Hy3-A3B và encoder Hy-ViT2, khoảng 30B tham số MoE và 3B active mỗi token. Tencent nói mô hình đứng đầu 19 trong 38 benchmark embodied và hạng hai 11 mục, tăng trung bình 8,4% so với thế hệ trước.
“We have released Hy-Embodied-VLM-1.0!”
RxBrain nghiêng về lập kế hoạch. Mô hình 6,2B này xử lý QA ảnh/video, dự đoán world state ngắn hạn và joint subgoal planning trong một chuỗi autoregressive xen kẽ văn bản suy luận và ảnh tưởng tượng.
Bài toán dữ liệu quan trọng hơn tên mô hình
Dữ liệu là phần quan trọng: VLM dùng hơn 18 triệu QA và 48 nghìn instruction chất lượng cao; RxBrain dùng 50177 giờ dữ liệu thao tác, gồm 31568 giờ egocentric/UMI, 17292 giờ robot thật và 1317 giờ mô phỏng. Nhóm còn tạo khoảng 210 triệu mẫu hành động nguyên tử và 35 triệu dữ liệu năng lực embodied.
Kết quả robot thật vẫn để lại ranh giới
Trên RxBrain-Bench, planning embodied đạt 0,68 và future video ngắn hạn đạt 0,62. Trên DOBOT X-Trainer và ARX A5, ba nhiệm vụ robot thật đạt 97%, 95% và 68%, trung bình 87%, nhưng target image 0,52 và tính hợp lý thời gian/vật lý 0,53 cho thấy giới hạn chuỗi dài.
Bản mở nguồn tạo ra một mốc có thể tái hiện: weights, mã suy luận, đường chạy vLLM và Hugging Face, cùng giấy phép Apache 2.0. Bài kiểm tra khó là liệu các mô hình này có chuyển được sang benchmark, thân robot và nhiệm vụ thật ngoài môi trường Tencent hay không.
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.