一个中国团队在 MolmoSpaces 榜上拿了第一

75.4% 这个数字，放在机器人操作上算不上漂亮。 放在"零样本"和"陌生场景"前面，就不一样了。 问题是，多数人转发时把后半句省了。

一、发生了什么

10 月 13 日，魔法原子宣布，在艾伦人工智能研究所（AI2）发起的具身智能零样本评测基准 MolmoSpaces 上，其 VLM Agent 框架 EchoPolicy-0 以 75.4% 的机器人操作平均成功率，位列 MolmoSpaces Combined 榜全球第一，覆盖全部 4 个 v1 任务（据企业发布与无锡科技稿件）。 三个限定词要看清。Combined 指综合榜，不是单项；4 个 v1 任务全部参与，平均分才有意义；榜单条目登记的模型名是 EchoPolicy-0 + Gemini-3.8-Flash，也就是动作框架外面还挂了一个通用视觉语言模型。 同系列的另一个框架 MagicBrain 在榜上排第四，抓取成功率 94.4%，两项抓取相关任务拿到单项第一。据同一稿件，MagicBrain 只有 34 亿参数，思路是不靠堆规模：先用擅长看图的模型标出目标位置，再交给动作模型执行，把"看懂在哪"和"动手去做"分开。 榜单本身的设定是场景和物体数量大，考的是陌生环境里的抓取、开关部件这类实操，打分规则统一。EchoPolicy-0 已在 Franka 机械臂平台上完成多类操作验证。 参考坐标：同一张榜上紧随其后的几个条目在 73% 和 72% 附近，再往后掉到 50% 多，其中能看到英伟达的 Cosmos3 系列提交。

二、跟你有什么关系

做具身模型的团队：这个榜值得刷，但要先看清"零样本"的定义和任务集，别把 Combined 当成全能。 工厂：75.4% 意味着四次里还有一次失败。产线要的不是这个数，是连续一万次不出错，两者不是一回事。 投资人：榜单第一是技术信号，不是商业信号。要看它能不能在客户现场复现。

三、怎么判断

1. 打开榜单看任务列。4 个 v1 任务分别是什么、难度如何、提交方有没有用 MolmoSpaces 的数据训练。这三条决定成绩可比性。
2. 拆组合。框架配通用大模型拿到的分数，要拆开看哪部分贡献大。换成更小的模型还差多少，才是框架本身的能力。
3. 看真机泛化。榜单在固定本体、固定相机上跑，换机械臂、换光照、换台面高度都要重测。
4. 看失败类型。抓空、抓偏、中途掉落，对应的是不同的问题，修复成本差很远。

四、三个别信的说法

75.4% 说明机器人能进厂干活。 工业场景要求的是节拍稳定和极低故障率。平均成功率高的模型，可能在某个工位上完全不行。 榜首就是最强模型。 榜单看的是提交成绩，不看训练成本、推理延迟和部署难度。这三项才决定能不能落地。 零样本等于没训练。 零样本指没在目标任务上微调。预训练数据、框架设计、外挂的视觉语言模型，都是成绩的一部分。

五、一句话结论

这个第一说明中国团队在"看懂环境再动手"这条路上跟得很紧，离"稳定干活"还有一段路。

信息来源

• 具身智能产业周报：魔法原子在全球权威具身智能零样本评测基准榜单成绩亮眼，上海具身智能博览会，2026 年 10 月 21 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 22 日。