一句话看懂：机器人创业公司 Generalist AI 发布 GEN-1.5 模型，只需给机器人看一段 3-12 秒的演示视频，它就能直接执行对应任务，无需任何额外训练。这项进展把“上下文学习”从语言模型带进了物理机器人操作领域。
事件核心：发生了什么
8 月 20 日，机器人初创公司 Generalist AI 发布了通用型 AI 模型 GEN-1.5。该模型的核心能力是：将一段 3 到 12 秒的人类操作演示视频作为“物理提示”加载进模型的上下文窗口，相当于给机器人一段短期记忆，之后机器人便能直接复现该任务，全程不需要额外的训练或微调。在开罐子、从钱包取钱等十项测试中，公司报告的平均成功率为 59%。如果先用五分钟数据、十个训练步骤进行快速适配，成功率可以提升到 83%。此外，GEN-1.5 还能将两个提示串联成更长序列，支持使用仿真环境生成的演示，并能部分模仿人类手部动作。该公司称，这些能力是在超过八个月的大规模交互数据预训练中自发涌现的，并未显式编程或训练。
为什么重要
此前，类似“从单次演示中学习”的能力已在研究实验室中出现过，但大多局限在少数几类任务上。Generalist AI 声称自己是首个将这种上下文学习能力扩展到广泛任务范围的团队。相比传统机器人方案需要针对每个新任务重新采集数据、训练模型，GEN-1.5 把机器人训练的门槛大幅降低——用户不需要写代码或标注数据，只需拍一段演示视频即可。这意味着机器人软件从“专用模型”向“通用具身智能底座”迈出了一步，在行业叙事上直指 OpenAI 等大模型公司的技术路线：如果大语言模型靠“提示词”调用能力，那么机器人模型靠“物理提示”调动操作能力。不过需要特别注意的是，目前所有测试结果均来自公司自报，尚未经过第三方独立验证，公开演示的任务也较为简单且耗时较短。
对用户/开发者/创作者的影响
对普通用户或企业而言，GEN-1.5 的价值在于降低了机器人部署的试错成本：以往部署一个分拣或装配类机器人任务，往往需要数周的数据采集与模型训练，而这类“单次演示”能力可能将上线周期压缩到分钟级。对开发者来说，如果该模型后续开放 API 或本地部署接口，意味着机器人应用开发将从“训练范式”转向“提示范式”，开发者的核心工作从调模型权重变为录演示视频、设计示例流程。对具身智能领域的创业团队和研究者而言，这是一个值得跟踪的技术信号：如果 GEN-1.5 的可复现性和泛化能力经得起推敲，可能会迫使更多机器人厂商将“上下文学习”纳入产品规划。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，公司尚未披露 GEN-1.5 的商用时间表、API 开放计划或定价模式，也未见第三方独立复现的测试报告。建议关注以下三点：第一，Generalist AI 是否会公开更多跨场景、跨硬件平台的测试数据，以证明模型的泛化能力而非单一机械臂的拟合能力；第二，在复杂长程任务（如多步骤装配、动态环境适应）中，这种基于上下文窗口的方案能否突破目前“演示后立即执行”的上限；第三，包括 Google DeepMind、Physical Intelligence 在内的竞品是否会跟进同类“物理提示”路线，从而引发一轮机器人模型架构的集中迭代。
