一句话看懂：Reka AI 发布了 190 亿参数的全模态模型 Rho-1 研究预览版，单一神经网络同时处理文本、图像、视频和机器人控制，不走工具调用或多模型拼接路线。这值得关注，因为它代表了“世界模型”方向的一次具体工程验证。
事件核心：发生了什么
Reka AI 于 2026 年 10 月发布 Rho-1 的研究预览版。这是一个 190 亿参数的全模态模型，能在同一个神经网络内处理和生成文本、图像、视频以及机器人控制动作。与多数将任务分发给专用模型的 AI 系统不同，Rho-1 把所有模态当作 token 放进同一个共享上下文窗口，不依赖工具调用或外部模型。
据公开信息，该模型可实时生成连续视频，并在不重启的前提下响应新指令。用于预测摄像头画面的同一套权重，也直接驱动机器人运动。为缓解机器人训练数据稀缺的问题，Reka AI 构建了一个逆动力学模型，从普通互联网视频中提取控制信号。训练使用了 320 块 H100 GPU，历时约三个月。
Reka AI 并非多模态新手。2024 年 4 月，该公司推出 Reka Core，一个在多模态基准上与 GPT-4、Claude 3 和 Gemini Ultra 竞争的语言模型。
为什么重要
当前主流多模态产品多为“路由式”架构：文本交给语言模型，图像交给视觉模型，控制交给专用策略网络。Rho-1 选择在单一模型、单一上下文里完成所有模态，指向一种更接近“世界模型”的技术路线——模型不只是理解内容，还要能预测和驱动物理世界的动作。如果这条路走通，模型对跨模态因果关系的建模能力可能更强，系统集成复杂度也会下降。
从竞争格局看，Reka AI 作为相对小型的团队，选择与头部实验室在技术路线上正面竞争，说明全模态统一建模正在成为一条被认真投入的方向。用互联网视频补机器人控制数据，也为数据稀缺场景提供了一种可复用的思路。
对用户/开发者/创作者的影响
对开发者而言，目前 Rho-1 仍是研究预览，官方未公布 API 定价、调用限制或开源计划，短期内不适合直接接入生产环境。但它提示了一种新架构：如果未来开放 API，开发者可能不再需要为视频理解、动作生成分别拼接多个模型，接口形态会更统一。
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。
对内容创作者，实时连续视频生成和动态响应指令的能力，意味着交互式视频、动态分镜类工具可能出现新形态，但 190 亿参数模型的推理成本尚不明确。对企业采购方，是否跟进这类全模态方案，需要先观察其稳定性、延迟和合规情况。对机器人方向的研究者，逆动力学模型从普通视频提取控制信号的做法值得进一步验证。
值得关注的后续
一是 Rho-1 是否会从研究预览走向正式产品，并公布 API 价格与访问门槛。二是 Reka AI 是否开源模型权重，或仅提供闭源接口。三是同类全模态模型是否跟进，以及“世界模型”方向能否在机器人任务上给出可复现的评测结果。
