Reka发布Rho-1：一个19B全模态推理模型，可同时理解、生成视频并输出机器人动作

📋总体概括

AI公司Reka发布从零训练的19B全模态推理模型Rho-1，单一网络基于共享KV缓存实现文本、图像、视频的理解与生成，并可直接输出机器人动作，形成感知-推理-行动一体的架构。蒸馏版模型可在约1秒内返回一段5.3秒的视频片段。目前该模型仅为研究预览版，尚未公开权重。这标志着全模态模型向具身智能输出端延伸的重要尝试。