Generalist发布GEN-1.5，一段3至12秒演示即可学会机器人任务，免微调成功率59%

美国机器人AI公司Generalist AI于2026年8月19日发布新一代机器人基础模型GEN-1.5，称该模型只需观看一段3至12秒的演示，就能在不做梯度更新、不经微调的情况下学会新任务。公司在研究文章中披露，在10项操作任务上，以单个示例提示时平均成功率为59%，标准差为10个百分点。

允许少量训练后，成绩明显提升。每项任务使用约5分钟数据，即约50次演示，进行10步梯度更新后，平均成功率升至83%，标准差9个百分点。在公司所称的极端单步条件下，从1分钟数据中采样只训练1步，未参与训练的任务成功率为66.5%。公司表示，10步训练使模型权重变化不到0.15%，并据此认为微调只是重组模型已有的知识，而非形成新的表征。公司称适应流程未做调参，结果基本属于开箱即用。

GEN-1.5是一个大型多模态模型，输入包括具备30秒记忆的视频以及其他传感器、语言和专有信号，输出频率为100赫兹的动作轨迹。公司把这种方法称为物理提示，即像在语言模型提示词中放入例句那样，把感知与动作示例放进模型的上下文窗口。演示既可由人手持一对夹爪录制，也可取自机器人此前的执行记录，公司还展示了用拖放方式选择演示的界面。公开任务包括把记号笔放进杯子、倾倒螺栓、拉拉链、拧开玻璃罐盖、拉开笔袋、把方块扫进碗里、取下真空吸盘和从钱包中取钱等。

公司强调这种能力并非刻意设计。文章称，没有为上下文学习做任何结构改动，没有内外层元学习循环，也没有辅助目标。GEN-1.5的预训练已连续进行八个多月，在三个训练阶段中，保留验证集上的下一动作预测误差持续下降，团队写道尚看不到这条曲线在哪里趋于平缓。公司还展示，尽管预训练中没有任何仿真数据，完全在仿真器中录制的演示仍可作为真实机器人的提示；并给出机器人在单手演示后用任一只手完成任务、抓取未见过的杯子和瓶子的定性案例，但未公布这些案例的成功率。

Generalist把结果与语言模型的发展相类比。公司引用称，GPT-3单样本平均准确率约为45%，约100个样本的少样本条件下最高约65%，并把GEN-1.5的59%定位为类似的早期信号。公司称，据其所知，GEN-1.5是首个展现出通过一两次演示学习多种灵巧闭环操作任务的一般能力的模型。

这是该公司的第三代公开模型。2025年11月4日发布的GEN-0提出了机器人学习的规模定律；2026年4月2日发布的GEN-1以可穿戴设备采集的50万小时以上人类数据预训练，未使用机器人数据，据公司称在每项任务约1小时机器人数据后平均成功率达到99%。2026年6月4日，公司宣布完成由Radical Ventures领投的4亿美元融资，8VC、Union Square Ventures、Hanabi Capital和Norwest新进入，NVIDIA、Boldstart Ventures、Spark Capital、Bezos Expeditions和NFDG等老股东跟投，累计融资超过5亿美元，估值未披露。

竞争对手前一天已提出类似主张。Skild AI于2026年8月18日发布S1，称其从设计之初就是上下文学习模型，看一段视频演示即可执行已见或未见、长或短的任务，无需微调。Skild称在10万小时训练规模下，分布内任务成功率96%，分布外任务66%，长程任务最长可达10分钟。两家公司的任务、指标和演示形式不同，数字不能直接比较。Physical Intelligence、Google DeepMind和NVIDIA则主要依靠大规模预训练加微调的路线。

对中国产业而言，这一进展触及具身智能竞争的核心。国内人形机器人整机企业近两年在产能和出货上快速推进，但模型层面仍多依赖遥操作采集和针对任务的微调。若数秒演示即可教会简单任务，产线换型成本将大幅下降，这对电子组装、物流分拣等多品种场景尤为关键。同时，Generalist以人手持设备采集数据的路线，也对国内正在建设的大规模数据采集训练场提出了效率上的比较。

局限由公司自己写明。Generalist承认任务简单、时间短，成功率仍属一般，并称通过上下文学到的技能目前比微调模型更脆弱，但能对部分扰动泛化。文章未披露每项任务的试验次数、预训练数据构成或第三方评测，也未公布客户、价格和上市时间。59%的成功率与工厂可接受的可靠性仍有很大差距。