Reka AI 推出 Rho-1：190 億參數全能模型 同時處理文字、影像、影片與機器人控制

核心亮點

Reka AI 今日公布 Rho-1 研究預覽，這是一個 190 億參數全能模型，能在同一個神經網路內同時處理文字、影像、影片與 機器人控制 四種模態。與傳統 AI 系統把不同任務分派給專屬模型不同，Rho-1 以 token 形式將所有資訊放入同一個共享上下文窗口，完全不需要額外的工具呼叫或外部模型支援。模型可即時產生連續影片，並在執行過程中即時接受新指令，無需重新啟動。

技術背景與創新

Rho-1 的一大突破在於 同一組權重 同時預測相機影像與驅動機器人動作。由於真實機器人訓練資料稀缺，Reka AI 另行構建 逆向動力學模型，從普通的網路影片中抽取控制訊號，彌補資料缺口。整個模型在 320 台 H100 GPU 上訓練約三個月，展現出相當的計算規模與效率。

值得注意的是，Reka AI 早在 2024 年 4 月就推出 Reka Core，一款在基準測試上可與 GPT‑4、Claude 3、Gemini Ultra 競爭的多模態語言模型。Rho-1 的問世正呼應目前 AI 研究界向 「世界模型」（world model）方向的潮流——即打造能同時理解與生成多種感知資訊的統一模型。

產業影響與未來展望

Rho-1 的全能特性有望簡化多模態應用的開發流程，企業不必再為文字、影像、影片或機器人控制各自建置獨立模型，降低研發成本與整合難度。即時影片生成與動態指令回應的能力，也為即時互動式媒體、虛擬實境以及自動化製造等領域帶來新可能。

未來，若 Rho-1 能在更大規模的實務環境中驗證其穩定性與效能，將可能成為 「單一模型即全能」 的標桿，推動 AI 從功能碎片化向統一化演進。對於關注 AI 前沿的讀者而言，持續關注 Rho-1 的正式版發布與實際應用案例，將是把握下一波技術浪潮的關鍵。