Reka Rho-1

产品简介

Reka Rho-1 是 Reka AI 于 2026 年 10 月 5 日发布的研究预览级"全能推理模型（Omni-Reasoning Model）"，把文本、图像、视频理解与生成以及机器人控制四种模态首次装进同一个 190 亿参数的神经网络，全程不调用任何外部专家模型或工具。它被官方明确定位为"坍缩式多模态栈"路线的代表——传统 AI 系统是中央模型调度多个专项专家的 Agentic 管线，模态切换会引入延迟并损失上下文；Rho-1 把视觉、语言、动作统一到同一上下文窗口的 token 流里，让一个模型既理解世界、又能模拟世界、还能驱动世界行动。

Reka AI 由 Dani Yogatama 联合 Yi Tay、Steven Hoi 等知名 AI 研究员于 2022 年在旧金山创办，长期专注多模态与世界模型方向。Rho-1 配套发布的蒸馏版本 Rho-1 Flash 把图像生成的去噪步数从 99 步压缩到 8 步，演示中 5.3 秒的成片可在 1.11 到 2.01 秒内渲染完成，是目前同体量下速度最快的多模态模型之一。

核心功能

1. 统一四模态理解与生成：单一权重同时承担文本、图像、视频理解与生成，并直接输出机器人控制指令，文本、图像、视频、机器人动作共享同一个上下文窗口。
2. 零专家模型协作：所有响应都来自同一个模型，对话中不存在工具调用或次级模型；文本、边界框、图像、视频都是同一状态读写的 token。
3. 结构化世界状态：模型的 KV 缓存被当成"持续世界状态"，每轮对话都在读写同一份上下文，几何、对象身份、光照在多轮迭代中保持一致。
4. 反向动力学驱动机器人控制：用逆动力学模型（inverse dynamics model）从普通互联网视频中挖掘控制信号，绕开稀缺的真机示教数据。
5. 超快响应：基础 Rho-1 以 0.79× 实时速度生成视频（业内领先），首帧可观感延迟约 6 秒；Rho-1 Flash 蒸馏版进一步把去噪步数压到 8 步，是同档位速度最快的视频模型之一。
6. 多轮推理与编辑：能完成"画场景 → 标注物体 → 动画化 → 编辑（换天气）→ 解释差异"全链路多轮任务，每一步都给出可见的 chain-of-thought 推理。

特色优势

单一模型 = 整个 Agentic 管线：传统多模态系统需要调度文本模型 + 视觉模型 + 视频模型 + 行动模型，延迟累加且上下文被切碎；Rho-1 把这一栈坍缩到单网络，端到端可优化，对机器人与具身智能团队尤其关键。

统一的训练目标：文本、视觉、动作在同一 token 流中被联合训练，模型既能"想象"一个环境，又能"跟踪"其状态、回答关于它的问题，还能"驱动"它运动，被 Reka 视为通往物理 AGI 的核心前置条件。

数据效率：用逆动力学模型从公开互联网视频里学控制策略，省去昂贵的人工示教数据采集，对具身智能、自动驾驶、AR/VR 等数据稀缺场景特别友好。

应用场景

• 具身智能与机器人：为机器人在仿真环境里提供统一的世界模型与控制策略，省去多模型拼装延迟。
• 自动驾驶：把视觉感知、路径规划、控制决策统一到同一上下文窗口，便于端到端优化。
• 工业机器人与产线自动化：在少样本条件下让机器人从示范视频里学动作，加速部署。
• AR/VR 内容创作：单模型生成可交互的 3D 场景、动态资产与实时叙事。
• 视频编辑与后期：用自然语言指挥模型"换天气、加物体、换镜头"，把多轮编辑压缩成同一次会话。

适用人群

机器人/具身智能团队、自动驾驶团队、AI 视频与影视制作团队、多模态研究者、AI Agent 系统架构师、对单模型统一智能感兴趣的工程负责人。

出品方

Reka AI 总部位于美国旧金山，由 Dani Yogatama 联合 Yi Tay、Steven Hoi 等知名 AI 研究员于 2022 年创办，公司长期专注多模态与世界模型方向。2024 年 4 月发布的 Reka Core 已能与 GPT-4、Claude 3、Gemini Ultra 同台较量。

更新动态

• 2026-10-05：Rho-1 正式以研究预览形式开放，使用 320 块 H100 GPU 训练约三个月。
• 2026-10-05：同步发布蒸馏版本 Rho-1 Flash，把图像生成去噪步数从 99 步压到 8 步，演示中 5.3 秒视频可在 1.11-2.01 秒内渲染完成。
• 后续计划：官方尚未公布 API 与定价，仅以研究预览形式开放测试。

官网链接

• 发布博客：https://reka.ai/news/rho-1-collapsing-the-multimodal-stack
• 官方网站：https://reka.ai/