模型發布
Reka AI 發布 190 億參數全能模型 Rho-1 預覽版，單一網路原生處理圖文影與機器人控制
The Decoder單一來源
已查原文 · 3 項主張
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
原文證實 Reka AI 推出 190 億參數的全能模型 Rho-1 預覽版。該模型不依賴工具呼叫或外部模型，在單一神經網路運行圖文影與機器人控制等多種模態，並能即時生成連續影片。在機器人控制上，更運用逆動力學模型從網路影片擷取訊號。其訓練使用了 320 張 H100 GPU 約三個月，所有主張均獲證實。
Reka AI 發布 190 億參數的全能模型 Rho-1，在單一神經網路中原生處理圖文影與機器人控制，且不依賴工具呼叫。
原文指出這是一個 190 億參數的全能模型，在單一神經網路運行，不需要工具呼叫。
19-billion-parameter omni-model
查看原始出處
single neural network
查看原始出處
no tool calls
查看原始出處
據報導，Reka AI 發布 190 億參數的全能模型（omni-model）Rho-1 研究預覽版。有別於將任務路由至專用模型的系統，Rho-1 不依賴工具呼叫或外部模型，在單一神經網路與共享上下文視窗中，將所有模態作為 token 運行，可處理並生成文字、圖像、影片與機器人控制動作。
該模型能即時生成連續影片，並在不重新啟動的情況下動態回應新指令。在機器人控制方面，預測攝影機圖像的權重同時用於驅動機器人運動。為克服機器人訓練資料稀缺的問題，Reka AI 建立逆動力學模型（inverse dynamics model），從一般網路影片中提取控制訊號。
Rho-1 使用 320 張 H100 GPU 訓練約三個月。Reka AI 先前曾於 2024 年 4 月推出多模態語言模型 Reka Core。
讀原始報導背景
世界模型（World models）的概念最早由 Kenneth Craik 於 1943 年提出，指的是在內部建構外部現實的表徵，藉此預測事件的發展。這類模型被認為在認知、推理與決策中扮演著重要角色，也是近期 AI 研究積極邁進的方向。