西湖数智双模型包揽 MolmoSpaces 四项基础任务综合榜单前二

四项基础任务，检验机器人操作能力

MolmoSpaces 的四项基础任务涵盖抓取（Pick）、抓取与放置（Pick-and-Place）、打开（Open）和关闭（Close），通过不同场景、物体与操作目标，评估机器人的操作表现与泛化能力。

两条世界建模路径，共同取得领先成绩

排名第一的Awomo-0.5V 以视频生成为核心，通过生成连续的未来视觉序列，刻画机器人动作执行过程中环境与物体状态的动态变化，并从视频演化中生成可执行动作。

排名第二的Awomo-0.5I 以图像生成为核心，通过预测机器人执行动作后的关键视觉状态，建立当前观察、任务目标与未来结果之间的联系，指导动作决策。

一个生成连续视频，关注世界如何随时间变化；一个生成关键图像，关注任务执行后世界应当呈现的状态。两条路线在统一评测标准下共同进入榜单前二，展现了视频生成与图像生成用于机器人操作的潜力，也为西湖数智持续探索多种世界建模路径提供了实验支持。

从生成未来到执行动作，西湖数智将持续推进世界建模与机器人控制的结合，让机器人更好地理解物理交互、预测动作结果并完成任务。

查看 MolmoSpaces 榜单，访问西湖数智的 Hugging Face 与 GitHub。

成绩与排名依据2026年10月13日的 MolmoSpaces 榜单截图，对应上述四项基础任务的综合评测。