Reka 发布全能推理模型 Rho-1，可统一处理文本图像视频及机器人控制

Techub News 消息，AI 初创公司 Reka 发布了全能推理模型 Rho-1 的研究预览版。该模型参数量为 190 亿，采用单一神经网络，能够理解并生成文本、图像和视频，进行跨模态推理，并输出机器人动作指令。Reka 将其定位为替代传统多模型协作的智能体流程。 Rho-1 的设计取消了不同模态模型间的任务交接，将文本、视觉和机器人动作统一在一个上下文窗口内处理为令牌。其架构包含理解与生成两个专家权重流，共享注意力机制。模型支持连续生成视频，并能根据新指令在生成过程中实时调整状态。 在速度方面，基础模型生成视频的速度中位数为实时速度的 0.79 倍，可观看的视频流大约在 6 秒后开始。Reka 还提供了一个蒸馏变体，将去噪步骤从 99 步减少到 8 步，能在约 1 秒内返回一个 5.3 秒的视频片段。（MarkTechPost）