Light-O1 是亮源新创 Light Origins 于 2026.9.21 发布的通用具身智能基础模型系统，通过学习互联网视频中的人类动作，把可迁移的动作先验带入机器人，支持不同本体的自主长程移动操作。
亮源新创成立于 2024 年，在深圳、北京与新加坡设有团队，专注通用具身智能方向。Light-O1 是该公司首个通用具身基础模型，官方同步开放 Light-O1-Preview 在线试用，代码以 Apache 2.0 协议开源。
核心要点
- 2026.9.21 正式发布，代码遵循 Apache 2.0 协议，预览版可在官方 Playground 免费试用
- 从 Qwen3.5-4B 基座出发，预训练预算覆盖 3.75B 至 120B 多模态 token，最大档对应 10 万小时人类动作
- 首次验证跨本体迁移扩展规律，预训练规模越大，适配后的动作预测损失与全身姿态误差呈幂律下降
- 在 RoboCasa GR-1 基准取得 79.3% 宏观成功率，超过 π0.5、DIAL 与 GR00T N1.7 的对比成绩
- 自研 LightBot 与 Unitree G1 双本体完成捡垃圾、擦桌子、开鞋柜放拖鞋等长程任务演示
技术路线与评测结果
研究团队从互联网视频中恢复结构化人类动作，以根轨迹、身体姿态与手部状态构建统一动作表示，再与语言及视觉观测交错为多模态序列，用自回归 Transformer 完成大规模预训练。
适配阶段在公开第一视角数据、Unitree G1 遥操作数据与自研 LightBot 数据三类设置上验证。随着预训练 token 从 3.75B 增至 120B，下一动作预测损失与开环全身姿态误差均按幂律持续下降。
跨本体迁移扩展规律
团队将这一规律称为迁移扩展规律，幂律拟合形式为 L(D) = L₀ + αD^-η。这一结论为继续扩大人类动作数据规模提供了依据，也说明动作数据的持续贡献会直接转化为跨本体的预测精度收益。
在真实环境演示中，搭载该模型的 LightBot 能自主完成递毛巾、开鞋柜归置拖鞋、捡拾多种垃圾等任务，面对执行中断与外界干扰可自行恢复并从正确状态续做。
与同类模型对比
对比 Physical Intelligence 的 π0.5 和 NVIDIA GR00T N1.7 两款同类具身模型，区别在于 Light-O1 以互联网人类动作为主要预训练来源，而非依赖专门采集的机器人演示数据。
RoboCasa GR-1 基准覆盖 24 项厨房桌面任务，每任务评估 50 轮，各模型宏观成功率如下。
| 模型 | 开发方 | 宏观成功率 |
|---|---|---|
| Light-O1 | 亮源新创 | 79.3% |
| π0.5 | Physical Intelligence | 70.9% |
| DIAL | DIAL 团队 | 70.2% |
| GR00T N1.7 | NVIDIA | 59.1% |
官方说明 DIAL 成绩取自其原论文，π0.5 与 GR00T N1.7 由亮源团队按同一基准的仿真遥操作数据训练评估，检查点选择与模拟器版本未完全对齐，数据仅供参照。
人工盲测方面，在 3 万条提示的 Motion Arena 评测中，Light-O1 的 Elo 达到 1472.8，领先 HY-Motion-1.0 的 1078.3，评估覆盖语义遵循、表达力与可接受度三个维度。
常见问题
问. Light-O1 是什么。Light-O1 是亮源新创推出的全身智能基础模型，用人类动作预训练让机器人获得可迁移的动作先验，衔接语言推理与全身协调行动。
问. 如何使用 Light-O1。开发者可通过官方 Playground 免费在线试用预览版，输入目标即可查看动作生成过程，企业合作可联系亮源新创商务渠道。
问. Light-O1 与 π0.5 和 GR00T N1.7 的区别。差异主要在预训练数据来源，Light-O1 以互联网人类动作为主，在 RoboCasa GR-1 基准上成功率领先，并支持表达性全身技能生成。
问. Light-O1 的价格与获取方式。预览版在线试用免费，代码遵循 Apache 2.0 协议开放，商用部署条款以官方发布页为准。
支撑这套路线的数据基础设施已达千卡级 GPU 规模，每周视频处理吞吐 20 万小时，较 6 个月前提升 16 倍。团队表示后续将继续扩大数据来源并提升动作质量。
本文信息最后更新 2026 年 9 月，模型的后续迭代与更新日志以亮源新创官网发布为准。
本文来源，亮源新创官网《Light-O1: Scaling Whole-Body Intelligence with Human Action Pretraining》https://www.lightorigins.cn/blog/light-o1
