ITCOW牛新网 7月17日消息，腾讯 Robotics X 实验室、福田实验室携手腾讯混元团队昨日正式发布第二代具身 VLM 基座模型 Hy‑Embodied‑VLM‑1.0。这款模型并未追求超大参数量堆叠，而是在 A3B 规模下实现了整体性能接近上一代 A32B 旗舰模型的水平，并在覆盖37个评测任务的具身能力体系中拿下综合平均65.6分的成绩。
官方在物理状态理解、动作—变化推理、时序与自适应推理三大核心维度分别取得68.6、64.1和57.4分，相较同等规模的 Qwen3.6‑A3B、Cosmos 3‑8B 以及 Embodied‑R1 等通用与具身模型表现出明显优势。据ITCOW牛新网了解，Hy‑Embodied‑VLM‑1.0 的能力构建被拆解为三个层次：首先是物理空间状态理解，模型可识别物体、属性、深度与空间关系，解析机器人视角、功能部件、可操作区域及环境可供性，形成贴合当前任务的物理世界状态表征；其次是动作—变化理解，结合人机交互语义、目标对象与任务约束完成下一步动作选择、目标与轨迹定位，并判断空间前置条件、动作可执行性及其局部物理影响；最后是时序和自适应推理，面向长时程任务具备多步规划、视觉语言导航、历史与空间记忆、失败诊断、反事实分析和动态重规划能力，可依据目标、执行进度与环境反馈持续修正决策，实现从场景理解、局部因果推理到长期自适应执行的完整闭环。
这一基座主要增强场景感知、行动分析规划、导航等面向具身 Agent 的多模态理解能力，为机器人在真实物理环境中落地提供更紧凑且高效的模型支撑。目前 Hy‑Embodied‑VLM‑1.0 已在 GitHub 开源，地址为 https://github.com/Tencent-Hunyuan/HY-Embodied，开发者和研究机构可基于此进一步开展具身智能体训练与应用验证。