具身智能的模型榜单这几年有个固定套路：新模型在某一项评测上刷出高分，发布会上强调领先幅度，然后在真机上折戟。10月22日，无界动力发布并开源了MWA-Phoenix隐空间世界模型基座，给出的成绩单不太一样：LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0与RoboDojo真机榜，六项同时登顶。这六项覆盖的东西差别很大，从环境扰动下的鲁棒性、任务变化后的泛化，到复杂物体操作、跨本体迁移，最后落到真机执行。把仿真榜单与真机榜单放在一起看，比单点第一名更能说明问题，因为仿真里可以通过堆数据刷分，真机跑不通就是跑不通。
先理解这六个榜单各自考什么。LIBERO系列考的是长序列语言指令任务，模型要把一句自然语言拆成一串动作并逐步完成；RoboCasa GR1面向家庭场景的移动操作，考的是在厨房这类非结构化环境里的泛化；Bench2Dex聚焦灵巧手操作，考验手指层面的精细控制；RoboTwin 2.0与RoboDojo则更接近真机部署条件，涉及双臂协同与真实硬件上的执行一致性。六项同时领先的难度在于能力之间的冲突：在仿真里过拟合的模型往往在真机上崩掉，追求真机稳定的模型又常常在泛化测试里失分。无界动力给出的对照条件也值得记录：官方声明没有做任何测试数据复刻，没有使用深度信息传感器，也没有依赖外部的智能体框架。前两条比较容易理解，第三条在当下的具身智能研究里其实不太常见，不少工作用大模型做任务规划再调用底层策略，这条路线在榜单上表现好，但部署时多了层依赖。绕开这层依赖意味着模型本身要具备从感知到动作的完整闭环能力。
技术路线上，无界动力延续了隐空间世界模型加强化学习的组合，这次的关键组件叫Phoenix-ILA，特点是把运动与接触共同纳入动作学习。这个设计针对的正是操作任务里最容易被忽略的部分：真正决定成败的不是手往哪里移动，而是手接触到物体那一刻的力与滑动。传统做法把接近阶段与接触阶段分开建模，前者用轨迹规划，后者用阻抗控制或力控策略，两段之间的衔接往往就是失败发生的地方。把两者放在同一个学习框架里，模型可以从数据中学到接触瞬间的状态转移规律，而不是依赖人工设定的切换条件。隐空间世界模型的角色是在抽象表征里预测动作后果，避免了在像素空间里做长时程预测的算力开销，这也是国内几家世界模型团队共同的技术取向。这条路线的代价是对训练数据的依赖更重，因为接触动力学很难靠仿真合成，必须来自真实操作。另一个被忽略的细节是隐空间预测的粒度选择，表征太粗会丢掉接触瞬间的力觉变化，太细则退化成像素预测、算力开销重新膨胀，团队能在7B的参数预算内把这件事做成，说明中间表征的设计上做了不少取舍。
与基座模型同时发布的还有Phoenix-PhysCanvas，一个交互式仿真世界模型。它的用途是让模型在部署前先在云端仿真环境里自我进化，通过反复试错优化策略，再把结果搬到真机上。这个环节解决的是具身智能最现实的成本问题：真机试错的代价太高，一台工业机械臂撞坏一次就是数万元，而且试错速度受物理世界限制，一天跑不了几千次；仿真里则可以并行跑成千上万条轨迹。但仿真有自己的陷阱，业内称为现实差距，物理参数稍微不准，学出来的策略到了真机就失效。PhysCanvas的定位是可交互的仿真世界模型而非传统物理引擎，区别在于它可以从数据中学习接触与形变这类难以用刚体力学精确描述的物理过程，理论上能缩小现实差距。这里需要保持审慎：可交互仿真与真实物理之间仍存在无法消除的偏差，官方并未披露仿真到真机的性能衰减幅度，这恰恰是评估这类方案最关键的指标。
模型规格方面，MWA-Phoenix是端侧7B参数的完整预训练基座，这个量级的选择很有讲究。具身智能模型必须跑在机器人本体上，受功耗与散热限制，不可能像云端大模型那样堆参数，7B在当前的端侧算力条件下属于可部署的合理区间。官方披露公司已累计拥有超过20万小时多模态数据储备，并在工业与商业场景的真实操作中持续积累，这个数据体量在国内具身智能团队里属于第一梯队。开源动作本身改变了竞争坐标：代码与技术报告都已公开，研究团队可以复现、可以测延迟、可以把自家本体接上去跑，这比任何榜单分数都更能推动行业收敛。把这次发布放进国内具身智能的版图里看，路线分化已经相当明显：一派做端到端视觉语言动作模型，一派做分层架构加世界模型，还有一派专注于仿真数据合成，无界动力站在第二条路线上并给出了完整开源实现。真正的检验要等到更多第三方在本体上复现之后，届时六榜第一能否转化为产线上的稳定节拍，答案会很清楚。