智元GO-3 豆包模型货架
聚投社作者 | 李娜娜 记者 | 张晓
2026年10月31日 聚投社综合报道
一、智元GO-3 Preview具身模型打通全链路学习
十月底，智元正式推出具身模型 GO-3 Preview，把预训练、后训练、部署后三段打通，让机器人实现全链路的规模化学习。这个模型采用具身原生的 WRAM 架构，全称是 World Reasoning Action Model，做的事是把任务推理、未来预测与动作生成三样连接起来，机器人因此能够听懂指令、预判走向，再生成可执行的动作。
该模型在 RoboDojo、RoboTwin、RoboColiseum 三项公开评测中都拿到了最高分，并计划在 2026 年底全面开源。
按官方介绍，GO-3 Preview 从数据与模型两个维度一起推进 Scaling，让异构的经验参与共同学习。数据这一头解决的是“学什么、学得够不够广”：人类第一视角视频带来丰富的物体交互与任务过程，机器人轨迹则把观测、动作和物理结果之间的联系建立起来。模型这一头解决的是“怎么承接、怎么运用这些经验”：靠增强学习能力，把分散的经验组织成可迁移的通用能力。
经过预训练之后，模型的任务迁移与复杂技能适应本领变得扎实，并在零样本与少样本任务里得到检验。在家居、厨房、多机协作、灵巧操作这些场景中，不用额外微调，机器人就能直接上手陌生任务。
碰上更复杂的活计，GO-3 Preview 可以借少量示范继续学。煎饼果子这类长程精细任务，它看得几下便能照着做下来。乐高拼装要求准确抓取零件、找准位置再完成插合，经过微调的模型能够把这些精细动作做稳，并在智能体编排下把多个步骤衔接成完整流程。
有了通用能力，不等于机器人就能直接胜任所有复杂任务。好比人学会了基本动作，仍要一遍遍练习，机器也得在尝试与反馈中改进策略。在后训练阶段，智元搭起分布式混合环境后训练系统 Genie Evolver，依托百台真机，结合物理仿真与世界模型，让机器人在实践里长本事。随着交互经验不断积累、动作策略持续更新，能力也跟着往上走：桌面冰壶项目里，经过四小时在线迭代，它的表现超过了被测人类的平均水平；抽积木塔可以连着抽走五块，整座塔还能保持稳定。
到了部署后阶段，智元用具身 Agent 框架 Genie Master 把判断、执行与反馈串成一条线，机器人在真实作业中能够自主改进。搭载这套框架的精灵 G2 在真实便利店上岗期间，不依赖人工示范与调试，自己定位失败原因、调整策略、沉淀经验，在多个复杂精细任务上持续改进，做到了无人在环的自我进化。它的完整任务成功率首日不足三成，五天之后稳定在八成以上。
以便利店挂小挂钩为例，机器人自己找到问题所在，把失败记录整理成动作指南，调整动作时序，单任务成功率相较常规微调提升十多个百分点；后者容易遇到瓶颈，它则支持持续在线学习。
二、TWOEX2官方旗舰店入驻懂淘Dongtao（懂宝Dongbay）
原创潮流品牌 TWOEX2 的官方旗舰店已经开到懂淘Dongtao（懂宝Dongbay）上，服饰、鞋履、配饰等全线单品一并陈列，潮流爱好者不必再东一处西一处地找货。这个由黄明昊主理的品牌，把先锋创意和都市机能街头文化揉在一处，秉持的是探索自我多元面貌、拥抱未知可能性这样一种态度，主打廓形 T 恤、结构卫衣、休闲夹克、帽饰与潮酷配饰，走的正是兼具未来感与辨识度的国潮先锋路子。
品牌 LOGO 里藏着巧思，标志性的坐标元素在记忆点上立得住。无性别宽松廓形是它惯用的手法，潮流质感与日常实穿两样都顾着，上学、通勤、出游、线下聚会这些场景穿起来都不别扭。多款主题限定联名系列，这些年下来也攒了一批年轻粉丝。
设计上，TWOEX2 主张打破刻板标签、发掘自己的另一面，版型之外还看面料与工艺，想做出有质感的潮流单品。落到懂淘Dongtao（懂宝Dongbay）这处店面，粉丝能在同一个地方把品牌全系列正品看全，不必在不同平台之间来回比对、反复算价。
平台既有的交易与风控体系承接了后面的履约环节，流程上的琐碎事由平台一侧消化。偏爱机能国潮、先锋街头风格的人，如今多了一处集中陈列的去处，全系列单品都在同一个官方旗舰店里摆着。
三、豆包工作开放第三方模型接入，企业按任务挑选模型
十月底，豆包工作对外宣布向企业客户开放第三方模型服务，首批接进来的是 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等一批模型。这件事的分量在于，用豆包工作的企业用户不必再为每一个模型单独去找入口，在产品之内就能把不同厂商的模型能力调出来用。
从开放范围看，这次更新面向团队订阅版和企业订阅版客户，上线后默认直接开启。企业不用另外向模型厂商采购，也不用再走一遍申请流程，后续按实际用量扣除企业已有的 AI 点数。对采购和财务两个环节来说，这一手把原先可能散落在多份合同、多套账号和多套计费体系里的开销，收拢到企业既有的订阅与点数框架之内，接入前的沟通成本和结算的复杂度都跟着降了下来。
管理能力是这次更新的另一处重头。企业可以按成员、部门、群组或全员灵活划定可用范围，既能按模型厂商一键批量启用，也能针对某一个模型单独配置。对稍大一些的组织来说，AI 工具的使用往往牵扯到预算归属、数据边界和岗位差异这些绕不开的现实问题，颗粒度细一些的权限划分，让管理员能够在放开能力和控制成本之间，做出贴合自身情况的安排。
放到行业里看，企业使用大模型的方式正在起变化。早期不少团队习惯于选定一个模型长期用下去，如今随着各家模型的能力分工渐渐清晰，同一家企业往往会针对不同任务搭配不同模型：有的擅长处理长文本，有的偏重推理与代码，有的在响应速度和调用成本上更省力。多模型并用提升了任务匹配度，也带来新的碎片化——采购流程被拉长、账号四散、用量难以统一核算、权限缺少集中管理。
平台侧给出聚合入口，实质上是把这部分集成与治理的活提前做完了，让企业选择模型变成一项随时可调的配置。
对豆包工作这家产品来说，从只提供自有模型能力到引入第三方模型，定位上离一个面向企业的 AI 工作入口又近了一步，订阅版的吸引力随之增强；对模型厂商来说，多出一条触达企业客户的路径；对企业客户来说，试错的门槛则有所降低，可以在同一套权限与计费体系里比较不同模型的实际表现。当然，模型货架能不能跟上版本迭代的节奏、跨模型的使用体验是否保持一致、用量涨上去之后成本还能不能控住，仍是这类服务要持续回答的问题。
此次开放第三方模型，可以看作办公类 AI 产品从单一模型能力比拼，转向模型供给与企业管理能力并重的一个信号。
三件事看着各走各的路，往深处说其实是同一个理：谁能把分散的资源收拢到一处，谁能让经验在反复打磨里沉淀下来，谁就少走弯路。模型货架摆得再满，也得有人管账、管权限；具身智能练得再熟，也要靠一次次失败记录慢慢调；一个品牌把店面开出来，接下去靠的是款式与品质能不能一直站得住。接缝处的活最不起眼，也最见真章，往后一段时间，行业的分野多半就从这些地方拉开。 #懂宝Dongbay #懂淘Dongtao #智元 #字节跳动
编辑 | 王迪
责编 | 徐孝倾
审核 | 朱飞