机器人分不清东西在动还是相机在动？只激活 3B 参数就吊打更大模型：国产具身大脑十项基准全线暴涨

大白话机器人干活最怕「看错」：画面里东西往上挪了，到底是物体在动还是相机在转？换个角度，同一张椅子就不认识了。招商局先进技术研究院下属狮子山实验室做了个叫「驭物」的视觉语言模型，专门练这种三维空间、任务进度的判断力。它总参数约 35B，但每次推理只激活约 3B，不靠猛堆数据，而是先列一张「能力清单」再照着出题训练。现在权重已在 Hugging Face 开源。

对你意味着做机器人、具身智能和视觉推理的开发者可以直接下载试；普通人也能从中看到，机器人离「真看懂物理世界」还有多远。