「机器人干了多少活」：智元今天抛出 Worken，GO-3 Preview 登顶三榜、年底开源

10 月 29 日，智元在上海开了 2026 创新日，扔出来一堆东西。我先把最值得记住的一句放在前面：这家公司不想再比谁造的机器人多，想比谁的机器人真干活。它给这个比法起了个名字，Worken，Work 加 Token 的拼法。同一天，它还发布了新一代具身基座模型 GO-3 Preview，说这款模型登上了三个评测榜单的第一，并且计划在 2026 年底全面开源。听起来很满，但有两处我得先打预防针：Worken 眼下只是一个提议，还没有变成行业公认的计量办法；榜单成绩来自官方口径，独立复现还没看到。我写这篇，就是把发布会里能核对的部分拎出来，再把还没法核对的部分单独标出来。

Worken 到底想量什么

彭志辉在现场的说法很直白。过去几年，硬件、模型、量产都往前跑了一大截，机器人也进了工厂、仓库和服务场景，可一个实际问题一直没人好好回答：它们到底干出了多少有用的活？

Worken 想回答的就是这个问题。它不数台数，不数部署点位，数的是机器人在真实环境里自主、持续完成的有效工作。你可以把它理解成给具身智能补一个“产出账本”：一台机器人站在产线边上，它完成了多少任务、中间要人插手几次、换个任务还能不能接着干，这些才算数。反过来，只看“我们卖了多少台”很容易把账算虚，机器摆在那儿不动，也能算进出货量。

我个人觉得，这个提法戳中了一个真痛点。语言模型有 token、有跑分、有成本账，具身这边长期缺一个大家都认的产出单位。但也要说一句实在话：提一个词容易，定一套可复现的量法难。什么算“有效工作”，不同任务的难度怎么折算，人工干预扣多少分，这些细节官方这次没有展开。Worken 现在更像一张倡议书，不是已经落地的标准。后面谁来采纳、怎么防刷分，才决定它有没有用。

GO-3 Preview：换了一套脑子

这次发布的主角是 GO-3 Preview，智元口中的新一代具身基座模型。它的架构叫 WRAM，全称 World Reasoning Action Model，思路是把理解、预测和动作放进同一个模型里统一建模。说人话：机器人先看懂眼前的场景，再预判接下来会发生什么，然后直接动手，中间不用在几个割裂的模块之间来回倒手。

官方给这套打法配了两条腿。一条叫 Genie Evolver，真机、仿真和世界模型协同做后训练；另一条叫 Genie Master，算是一个具身智能体框架。合在一起，官方的说法是覆盖了预训练、后训练和部署后持续学习的全链路。也就是说，机器人上线之后不是定型的，还能在真实作业里继续长进。这个说法我持保留态度：持续学习在实验室里好讲，在产线上要过安全、回滚和一致性三关，官方这次没有细说它怎么过。

评测方面，官方称 GO-3 Preview 登顶了 RoboDojo、RoboTwin 和 RoboColiseum 三个榜单。这里要抠一个细节。CNMO 转述的 RoboDojo 最新榜单里，写明拿到第一的是同系列的 GO-3 Nano Preview 预览版，平均 61.90 分、平均成功率 56.42%，基准覆盖 42 项仿真任务和 18 项真实机器人任务。我把这两句话分开写，是因为它们不是同一款模型。GO-3 Preview 登顶三榜是官方在发布会上的说法，Nano Preview 的具体分数是榜单转述里能对上号的数字。读者如果只看标题，很容易把两者混成一个，写稿的人不该帮这个忙。

除了模型，发布会还发了什么

这一天的发布不只一个模型，硬件和软件摊子铺得挺开，我按普通人能看懂的方式列一下：

WITA-Omni 值得单独说一句。

很多机器人“能听会说”，但表情和肢体动作常常各干各的，交互起来像配音对不上口型。WITA-Omni 想解决的正是这个：让视觉、听觉、语言、表情和肢体动作协同起来。这个方向对家庭和服务场景比对工厂更有意义，因为人跟机器人打交道，第一反应往往不是它算得准不准，而是它看起来懂不懂你。

硬件那头也有几件实在东西：首款皮下式关节液冷系统、新一代灵巧手产品家族、MEgo Glove 触觉数采手套。这些名字听起来像展会陈列，但背后的逻辑很实际：机器人要长时间干活，关节散热、手部精细操作和数据采集都得跟上，不然模型再聪明，手跟不上也是白搭。

灵渠 OS 1.0 的处理方式我比较认可：开源并捐赠给开放原子开源基金会，还说要和基金会共建人形机器人开源社区，覆盖操作系统、数据集、模型和工具链。操作系统这种东西，自己攥在手里容易变成护城河，捐出去反而可能换来更多开发者。能不能成，看后续有没有外部团队真用起来，而不是看发布会上的掌声。

数字那头：上半年近 20 亿营收，9700 台出货

发布会上还公布了上半年成绩单。据文汇报转述，智元上半年营收近 20 亿元，出货量 9700 台，占全球市场份额超 43%。这三个数字我都标了来源，因为它们来自公司在活动上的披露，不是第三方审计口径。份额这个数字尤其要小心：分母怎么划，统计口径包不包括商用服务机器人以外的品类，报道里没有展开。

不过，就算把份额打个折，9700 台这个量级本身已经说明一件事：智元不是只发论文的公司，它确实在往外卖货。结合 GO-3 Preview 年底开源的计划看，路线图也比较清楚：先用出货把场景和数据攥在手里，再用开源把开发者和生态拉进来。模型开源对普通开发者是好事，前提是年底的开源包够完整：权重、数据说明、部署文档缺一样，复现成本就会高一截。

如果你是普通用户或开发者，现在该怎么看

我把建议分成两拨人写，因为这两拨人关心的事根本不一样。

对普通用户来说，今天不用急着下任何结论。GO-3 Preview 再厉害，它也不是你明天能买回家的产品；G2 Max 是工业取向的重载机器人，离家庭场景还有距离。你真正能等到的，是年底开源之后有没有人把它做成可用的东西，以及 WITA-Omni 那种交互能力会不会先落在服务机器人上。看热闹可以，掏钱先等等。

对开发者来说，有三件事值得记下来。第一，盯住 2026 年底的开源包，看权重和工具链齐不齐。第二，别只看榜单第一这个说法，去找 RoboDojo、RoboTwin、RoboColiseum 各自的任务构成和评测方法，看看第一名是在什么任务分布上拿到的。第三，Worken 如果后续放出细则，值得拿自己的任务跑一遍：一个能量产出、能算人工干预成本的指标，比单纯比成功率更接近真实部署。

下面这段代码不是官方公式，官方根本没给公式。我写它只是帮你理解 Worken 的思路长什么样，别把它当成标准引用出去：

# 只是理解 Worken 思路的示意，不是官方定义
def worken_score(tasks_completed, human_interventions, task_difficulty=1.0):
    # 完成任务越多分越高，人工插手越多分越低
    return tasks_completed * task_difficulty / (1 + human_interventions)

说到底，10 月 29 日这场发布会给具身智能行业留了两个待验证的东西：一个是 GO-3 Preview 年底开源之后，别人能不能复现它的榜单表现；另一个是 Worken 能不能从一个好名字长成一套大家愿意用的量法。这两件事都有明确的时间点和检验办法，比发布会上的掌声好验证得多。

来源

• 美通社 / AGIBOT 官方通稿：AGIBOT Introduces Worken to Measure Productive Robot Work at AGIBOT Innovation Day 2026（https://www.wallstreet-online.de/nachricht/21601623-agibot-introduces-worken-to-measure-productive-robot-work-at-agibot-innovation-day-2026）
• 新浪 / 雷递：智元上半年营收近 20 亿，发布物理 AI 价值的度量衡 Worken（https://finance.sina.cn/stock/jdts/2026-10-29/detail-iniwwpnw2801800.d.html）
• 新浪 / 文汇报：智元公布上半年成绩单，营收近 20 亿元，出货量达 9700 台（https://k.sina.cn/article_5953466437_162dab0450670bgazk.html?from=tech）
• 新浪 / 北京商报：智元发布具身基座模型 GO-3 Preview，将于 2026 年底开源（https://finance.sina.cn/stock/jdts/2026-10-29/detail-iniwwiez8882867.d.html）
• CNMO：智元 GO-3 Preview 登顶三大榜单，将于 2026 年底全面开源（https://ai.cnmo.com/news/821365.html）