阿里达摩院与湖畔实验室公开 RynnUnify，一套 160 亿参数的统一具身模型。论文于 UTC 10 月 23 日 17:54 提交，对应北京时间 10 月 24 日。模型由八十亿参数推理器与八十亿参数生成器组成，通过交错的视频和语言推理，将空间理解、物理预测及长程视觉规划放在同一基础上。
团队进一步训练 Agent 扩展，让模型选择何时使用视频预测，推断尚未观察到的状态与交互后果；世界动作扩展则把理解与预测连接到机器人控制。项目同时提出 Rynn-VP 和 Rynn-GEU，分别评估长程视觉规划与前瞻推理，并公开模型、代码和演示入口。
在作者实验中，RynnUnify 的 Rynn-VP 总分较 Cosmos 3 Nano 高 9.75 分，Agent 扩展在 Rynn-GEU 上较直接推理提高 6 分。世界动作扩展在选取的二十个 RoboCasa365 组合任务中成功率为 51.5%，三项真实机器人任务平均为 46.7%。