Manifold AI возглавила RoboDojo и обошла GPT-6-Astra и GR00T-N1.7

Manifold AI заняла первую строку в Agent Track бенчмарка RoboDojo, который оценивает обучение роботов. Позади остались GPT-6-Astra и NVIDIA GR00T-N1.7, два заметных ориентира для универсальных роботических моделей. Победу компании принесла система R²SI. Она выросла из разработки трёхмесячной давности: тогда Manifold AI выпустила world action model с контекстным обучением (In-Context Learning, ICL).

Что известно о результате

Источник сообщает три вещи. Манифолд обошёл конкурентов именно в треке агентов, а не в общей таблице. В числе обойдённых есть и универсальная языковая модель уровня GPT-6-Astra, и специализированная робототехническая GR00T-N1.7 от NVIDIA. Лидерство достигнуто через три месяца после выхода предыдущей модели с ICL.

Цифр в доступном фрагменте нет: ни баллов, ни отрыва от второго места, ни числа задач в бенчмарке. Расшифровку R²SI в нём тоже не привели. Поэтому оценивать масштаб победы пока рано. Первое место с минимальным отрывом и уверенное лидерство на всех сценариях выглядят в таблице одинаково.

Почему ICL важен для роботов

World action model предсказывает, как изменится мир после действия робота, и сразу выбирает само действие. Добавьте ICL, и модель сможет подстраиваться под новую задачу по нескольким примерам в контексте, без переобучения весов. Для лаборатории это экономит недели сбора данных и дообучения. Для заказчика сокращается путь от «хотим, чтобы робот делал вот так» до рабочего прототипа.

Сравнение с GPT-6-Astra показательно по другой причине. Большие универсальные модели хорошо планируют и рассуждают, но физика контакта, задержки и ошибки исполнения остаются слабым местом. Если специализированная система обходит их в агентном треке, это аргумент в пользу моделей, обученных на данных действий и динамики мира. GR00T-N1.7 как раз относится к этому классу, и обойти его тоже непросто.

Что зафиксировано, а что нет

• Бенчмарк: RoboDojo, трек Agent Track.
• Результат: первое место в таблице лидеров.
• Обойдены: GPT-6-Astra и NVIDIA GR00T-N1.7.
• Предшественник: world action model с ICL, представлена три месяца назад.
• Новая система: R²SI.
• Не раскрыто в исходном фрагменте: итоговые баллы, размер модели, данные обучения, доступность весов и API.

На что смотреть командам

Пока техотчёта нет, результат разумно считать сильным сигналом, но не основанием для смены стека. Нужно проверить четыре вещи. Первая: публикует ли Manifold AI протокол оценки и воспроизводимы ли цифры независимыми командами. Вторая: насколько выигрыш в Agent Track переносится на ваши задачи, то есть на манипуляции, захват, работу с нестандартными объектами. Третья: сколько примеров в контексте нужно R²SI для адаптации и как растёт задержка инференса. Четвёртая: какой доступ предложат, открытые веса, облачный API или только партнёрские пилоты.

Для тех, кто строит роботов на GR00T или на базе универсальных LLM, разумный шаг сейчас такой: запустить свои сценарии на RoboDojo, когда выйдут детали, и сравнить с вашим пайплайном на собственных данных. Если ICL у Manifold AI работает так, как заявлено, выигрыш будет в скорости внедрения новых задач, а не только в строке таблицы.