Hedra推出物理AI模型工厂 用递归自改进训练机器人

时间：2026年11月10日 地点：美国旧金山 人物：Michael Lingelbach（Hedra 创始人兼首席执行官，此前在斯坦福大学与英伟达从事视觉与物理系统的强化学习研究）；Hedra 是一家由 a16z 投资的 AI 研究公司，此前以 AI 视频生成产品为人所知。 事件详情：Hedra 当天发布 Hedra Model Factory，一个面向物理 AI 的后训练与推理平台，核心机制是递归自我改进（RSI），即让已有模型自主完成评估、训练与迭代，从而适配到机器人和工业设备的具体任务。官方产品页显示，平台由前置部署研究员、研究智能体和 GPU 沙盒组成，支持监督微调与强化学习训练、推理优化，并把生产环境的反馈送回沙盒形成持续优化的闭环。SiliconANGLE 报道称，Hedra 用该平台重训了 MiniMax 的开源权重视频模型 H3，使其在 Physics-IQ 基准上的得分从 30.3 提升到 34.9；同时把 Krea 3 2K 图像模型的采样步数从 30 步压缩到 14 步，延迟从 22 秒降到 3.6 秒，整个过程只花了一周；公司还演示了更换机器人夹爪后不做任何额外训练，就把任务成功率恢复到 100%。该服务当日上线。 背景：物理 AI 与大语言模型不同，每台机器人、每个任务都需要一个专用模型，而训练所需的多模态数据量极大，高分辨率视频、传感器与 3D 仿真的采集和标注成本都很高。递归自我改进此前主要在前沿实验室的数字环境中试验，还没有团队把它做成面向真实机器的商用服务。Hedra 此前以 AI 视频生成产品知名，这次把业务重心推向机器人、制造、生物与国防等需要定制模型的行业。 影响：机器人和制造厂商不必再为每个任务从零训练模型，可以把已有基础模型接进流水线做后训练。Krea 3 与 MiniMax H3 的适配结果也说明，这类平台正在成为开源模型进入真实部署场景的一条新路径；对开放权重的模型厂商来说，既多了一个被下游采用和微调的渠道，也意味着模型能力会被更多地按物理一致性重新评估。 总结：Hedra Model Factory 把递归自我改进从实验室概念做成了可订阅的物理 AI 后训练服务，H3 与 Krea 3 的实验数据显示它能在数天内同时压低推理成本并提升物理一致性。对做机器人、工业仿真和国防装备的团队来说，这是一条不必重复造训练轮子的路径；对开源模型生态来说，则多了一个能直接对接硬件的落地通道。物理 AI 被反复强调为 AI 的下一阶段，类似的后训练基础设施会继续被资本和创业公司追逐。 常见问题： 问：Hedra 是什么公司？ 答：由 a16z 投资的美国 AI 研究公司，以 AI 视频起家，10 日推出面向物理 AI 的后训练与推理平台 Model Factory。 问：Model Factory 解决什么问题？ 答：物理 AI 里每个机器人、每个任务都要单独训练模型。该平台用递归自我改进把已有模型适配到新任务，客户只需提供基础模型和自己的仿真、视频数据。 参考来源： SiliconANGLE 报道：Hedra 发布 Model Factory，含 H3 与 Krea 3 实验数据 https://siliconangle.com/2026/11/10/hedras-new-model-factory-cranks-up-the-production-volume-for-physical-ai-model-training/ The Next Web 报道：Hedra 推出面向机器人和实验室的 Model Factory https://thenextweb.com/news/hedra-model-factory-custom-ai-robotics Unite.AI 报道：Model Factory 打通 GPU 基础设施、后训练与推理优化 https://www.unite.ai/hedra-model-factory-post-training-inference-physical-ai/ Hedra 官方新闻稿：Model Factory 正式发布 https://www.financialcontent.com/article/gnwcq-2026-11-10-hedra-launches-model-factory-an-autonomous-post-training-and-inference-platform-for-real-world-ai Hedra 官方产品页：Model Factory 功能与部署方式 https://www.hedra.com/model-factory Hedra 官方研究页：World Action Models 与递归自我改进研究 https://www.hedra.com/research