招商局獅子山實驗室開源具身推理模型 Lion-ER-35B-A3B
招商局先進技術研究院下屬獅子山人工智慧實驗室發布並開源具身推理視覺語言模型「馭物™ Lion-ER-35B-A3B」，MoE 架構總引數約 35B、每個 Token 僅啟用約 3B。在十項具身相關公開基準（avg@4 口徑）上全部指標較基座提升，等權綜合均分 65.29，空間推理基準 SAT 達 89.33。訓練使用 31.2 萬條監督樣本，靠能力藍圖與評測反哺閉環迭代資料。
以約 3B 啟用引數在十項具身基準上全部上漲並開源權重，還公開了一套能力牽引的資料建置與評測迭代方法，對做具身智慧和本地部署視覺語言模型的開發者有參考價值。
原標題：不靠堆砌数据，让机器人看懂真实物理世界 | 招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型
閱讀原文
| 評分 | 66 / 67（平均 66，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
智元發布 GO-3 Preview 與 WITA-OMNI 雙模型，登頂多項具身評測榜
智元在創新日發布具身基座模型 GO-3 Preview 與全模態互動大模型 WITA-OMNI，前者在 RoboDojo、RoboTwin、RoboColiseum 三項評測居首，後者在 Daily-Omni、TimeLens-Bench 等四項評測登頂。WITA-OMNI 無需喚醒詞，平均 600 毫秒、最快約 400 毫秒回應，支援本地無網互動，計劃 2026 年 12 月前完成國內部署、2027 年 1 月推出歐洲版本。
7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警
羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。
LiquidAI 發布 LFM2.5-24B-A2B：2B 啟用引數的端側 Agent 推理模型
LiquidAI 發布 LFM2.5-24B-A2B：總引數 24B、每 token 僅 2B 啟用的 MoE 推理模型，專為在本機持續執行的私有 Agent 設計。它先輸出思維鏈再作答，能呼叫工具，上下文由上一代 32K 擴到 131K，詞表從 65K 翻倍至 128K。
螞蟻百靈開源 Ling-3.1-flash-1019，主攻 Personal Agent 長程任務
10 月 28 日，螞蟻集團百靈大模型開源 Ling-3.1-flash-1019，面向 Personal Agent 場景強化複雜工作流與多步驟任務，在 Artificial Analysis 智慧指數 v4.3.2 中得 44 分，比上一版高 3 分。
上海創智學院發布 801-30B，公開首份預訓練級 RSI 報告
上海創智學院與新序智慧開源 801-30B base 模型，並公開首份預訓練級 RSI 的完整技術報告與輕量 SFT 資料。團隊用時不到三個月從零訓練，13 項基礎評測平均分 73.13，與 Nemotron-3.5-Lightning-30B-A3B（73.07）持平，領先 Qwen3-30B-A3B（66.16）。同一份 SFT 資料微調後平均分升至 81.34；僅做 6B tokens 輕量 SFT 的版本在四項 agent 評測上平均 58.4。