Reka 发布 Rho-1：19B 全模态推理模型，统一文本、视频与机器人动作
Reka 发布 Rho-1 研究预览版，一个从零训练的 19B 全模态推理模型，单一神经网络可理解并生成文本、图像、视频，并输出机器人动作。模型采用双流架构：离散 token 承载文本与高层指令，连续 token 承载图像潜变量、视频帧与机器人动作，两条专家权重流共享注意力与 KV cache。官方测试中，基础版视频生成速度为实时的 0.79 倍，约 6 秒可看，首个片段 7.0 秒；蒸馏版将去噪步数从 99 降至 8，约 1 秒返回 5.3 秒片段。机器人方面在 LIBERO 仿真中输出 7 个动作通道。以上均为…
推荐理由19B 单模型替代多模态流水线，视频生成 0.79x 实时、蒸馏版 1 秒出片，做 Agent 和机器人可关注