智元发布 GO-3 Preview，打通预训练到部署后的全链路规模化学习
智元 GO-3 Preview 把机器人学习从“训练完再上岗”改成“上岗后继续练”，给出预训练、后训练、部署后三段都做 Scaling 的一条路线。
智元发布具身模型 GO-3 Preview，把学习过程延伸到机器人的完整生命周期：预训练阶段用约九成人类第一视角视频学习技能，后训练阶段在真机、物理仿真和世界模型里反复练习，部署上岗后还能继续积累经验，并在三项权威评测中排名第一。
正文摘录
.jpg) 编辑｜Clio 如果把具身智能看作一款养成游戏，2026 年的版本更新，重点落在了「成长系统」上。 这一年，世界模型持续进化，让机器人能够在虚拟环境中预演动作、探索未来；RSI（递归自我改进）研究也日渐活跃，尝试将交互中的成败转化为学习经验。 从看视频学技能，到虚实环境中反复练手，再到真实工作场景中继续积累经验，机器人的「练级」方式越来越丰富，一条贯穿预训练、后训练与部署后的成长路线也愈发清晰。 10 月 29 日，智元正式发布 预训练、后训练、部署后实现全链路规模化学习 的具身模型 GO-3 Preview，一举拿下 RoboDojo、RoboTwin、RoboColiseum 三项权威评测第一。  从 GO-1 的 ViLLA 架构、GO-2 的「动作思维链」，到 GO-3 Preview 的全链路规模化学习，智元正将具身模型的学习延伸至机器人更完整的生命周期。 这次，智元希望打通机器人从学习技能、反复练习到真实上岗后的完整成长过程。机器人不再只是训练完成后才进入工作，而是能够在工作中继续积累经验、改进能力。