智谱 AI 开源通用具身大模型 Wall-OSS-0.5：零样本部署打破行业僵局
核心突破
时间：2026 年 5 月
发布方：X Square Robot
模型名称：Wall-OSS-0.5
核心成就：终于，我们看到了具身智能领域的一个“真突破”。这个模型打破了那个让人头疼的规矩——以前必须针对每个新任务重新微调。Wall-OSS-0.5 直接实现了零样本（Zero-Shot）部署，把预训练好的模型扔进真实机器人里，它就能干活，完全不用任何针对特定任务的额外训练。
行业痛点与解决方案
以前的死胡同
说实话，过去几年的具身智能研究挺让人泄气的。行业里有个心照不宣的怪圈：你想让机器人做点新东西？先攒一堆特定任务的数据，搞一轮大规模微调。这就导致了一个尴尬的问题：你根本分不清，这机器人到底是真的懂物理规律、有“通用大脑”，还是只是死记硬背了一套“操作脚本”。
破局的关键
X Square Robot 用 Wall-OSS-0.5 把这个死结给解开了：
- 训练数据：没搞那些花哨的特定任务数据。团队直接基于超过 20 种 不同形态的机器人，喂了数百万条轨迹数据，再加上 9000 万条 多模态语料库进行预训练。简单说，就是让模型先“吃饱”通用的世界知识。
- 部署方式：省去了最耗时的微调环节。模型训练好，直接扔进真实机器人，即刻测试。
- 测试任务：为了验证它到底多“通用”，团队给它扔了 17 项 极具挑战性的任务，从理解语义到操作刚体物体，再到那些难搞的精细操作。
关键性能亮点
测试结果出来时，我们大概都没想到会这么惊艳，远超预期：
-
零样本能力，真的强
- 不需要任何微调，仅仅经过 40 万步 预训练的模型，在 17 个零样本任务里，就有 4 个任务的得分超过了 80 分（满分 100）。
- 最让人拍案叫绝的是“收紧绳索”这个任务。这是个典型的柔性物体操作，以前模型连摸都摸不着边，但 Wall-OSS-0.5 直接给出了 82 分 的高分。这证明它真的“看”懂了柔性物体的特性，而不是在机械地模仿。
-
微调效率，吊打旧模型
- 就算非要微调，Wall-OSS-0.5 的学习效率也高得离谱。
- 拿行业基准模型 π0.5 做对比，在完全相同的数据预算下，Wall-OSS-0.5 平均领先 17.5 分。
- 特别是在“精确插入”这种对稳定性要求极高的精细操作上，成功率直接提升了近一个数量级。以前可能要跑几千次才能成功，现在可能几十次就稳了。
-
能力是“进化”，不是“退化”
- 很多人担心，给机器人做密集的动作训练会不会把模型原本聪明的“多模态感知能力”给练废了？
- 实验结果狠狠打了这个担心一记耳光：不仅没废，反而进化了。经过密集的动作训练后，模型在视觉定位和推理能力上表现得更强了。这与其说是“重塑”，不如说是“强化”。
四大关键技术构建护城河
Wall-OSS-0.5 之所以能这么牛，背后是团队四项扎实的技术创新，不是什么空中楼阁：
- 梯度桥接（Gradient Bridging）：
以前训练动作和预训练语言模型是两码事，现在直接把动作的监督信号注入到预训练骨干网络里。这让模型在底层表征层面就打通了“看、说、做”的任督二脉。 - 视觉对齐 Tokenizer：
解决了动作 Token 太抽象的问题。现在每个动作 Token 都带着清晰的视觉语义，赋予了模型真正的“物理意义”推理能力，不再是凭空瞎猜。 - 动作空间监督（Action Space Supervision）：
训练时不再死磕那些琐碎的高频细节，而是关注轨迹的整体结构。这一招让模型的收敛效率蹭蹭往上涨。 - DMuon 分布式优化：
光有算法不行，还得算得动。通过底层系统优化，这套复杂的训练公式在大规模集群上的计算成本降低了 100 倍。这让这种原本只存在于论文里的想法，真正在大规模集群上跑通了。
行业里程碑意义
目前，X Square Robot 已经把 Wall-OSS-0.5 的相关模型权重、训练代码及数据集接口完全开源了。
行业分析认为，这不仅仅是又出了一个新模型，而是重新定义了具身智能的开发范式：
- 范式转移：大家不再单纯盯着“单任务成功率”看，而是转向追求“通用物理直觉迁移”。
- 新阶段特征：具身智能基础模型终于进入了以"可复现性、可验证性、可挑战性"为特征的新阶段。这意味着，以后开发机器人不再是一堆黑盒代码，大家可以在同一个标准下比拼谁更聪明、谁更稳，这将极大地加速通用型机器人在复杂真实环境中的落地。
说实话，看到这些细节，我觉得具身智能这个行业终于有点“活”过来了。
