AGIBOT stellt GO-3 Preview vor: Die Platzierungen auf drei Benchmarks stammen vom Unternehmen selbst

AGIBOT zeigt GO-3 Preview mit expliziter Vorhersage vor der Handlung

AGIBOT stellte das Foundation Model GO-3 Preview am 29. Oktober 2026 auf seinem Innovation Day in Shanghai vor. Eine Meldung von PR Newswire vom 3. November wiederholte die Ankündigung. Grundlage ist die proprietäre Architektur WRAM (World Reasoning Action Model). Sie verbindet Aufgabenverständnis, die Vorhersage künftiger Szenenzustände und die Erzeugung von Aktionen.

Laut Tech Times besteht WRAM aus drei Bausteinen: CoAE, einem kontrollorientierten Autoencoder, SVP, einem Single-Step Visual Predictor, und KASO, einem Auswahlschritt im Training. Typische Vision-Language-Action-Modelle leiten aus Kamerabild und Textanweisung direkt Motorbefehle ab. WRAM setzt dazwischen eine explizite Vorhersage. Roboter sollen so die physischen Folgen einer Bewegung vorwegnehmen, statt Anweisungen nur in vorgegebene Aktionen zu übersetzen. Das Vorgängermodell GO-1 arbeitete mit latenten Aktionsrepräsentationen. Ob GO-3 diesen Ansatz im Detail ersetzt, lässt sich aus den vorliegenden Quellen nicht ableiten.

Begleitet wird das Modell von Genie Evolver, einem hybriden Post-Training-System, und Genie Master, einem Agenten-Framework. AGIBOT nennt den Ansatz „full-lifecycle scaling“: Die Roboter sollen über Pre-Training, Post-Training und den Einsatz hinweg weiterlernen. Nach Angaben von Interesting Engineering kombiniert das Training egozentrische menschliche Videos mit Roboter-Trajektorien. Das gibt den Berichtsstand der Quelle wieder. Eine Bestätigung durch AGIBOT liegt in den Unterlagen nicht vor.

Erste Plätze bei RoboDojo, RoboTwin und RoboColiseum: bisher nur Herstellerangabe

AGIBOT beansprucht für GO-3 Preview den ersten Platz auf den Benchmarks RoboDojo, RoboTwin und RoboColiseum. Die Platzierungen stammen vom Unternehmen selbst. Eine unabhängige Prüfung gibt es bislang nicht. Dasselbe gilt für die Zusage, das Modell lasse Roboter über Aufgaben hinweg generalisieren, präzise manipulieren und sich durch reale Erfahrung fortlaufend verbessern.

Prüfbar wären die Angaben auf zwei Wegen. Erstens über die öffentlichen Leaderboards der drei Benchmarks, die Einreichungsdatum, Konkurrenzmodelle und Abstände zeigen müssten. Zweitens über eine unabhängige Reproduktion, sobald die Gewichte veröffentlicht sind. Konkrete Punktzahlen oder Abstände nennen die vorliegenden Quellen nicht.

Ein Reddit-Beitrag vom 4. November berichtet, sechs AgiBot G2 hätten in Shanghai 24 Stunden lang einen Convenience-Store betrieben und dabei 1.730 Aufgaben in vier Schichten erledigt. Dabei lief jedoch GO-1 im Genie-Master-Framework, nicht GO-3. Als Beleg für GO-3 taugt die Demo deshalb nicht.

Open Source bis Ende 2026 angekündigt, Technical Report fehlt

AGIBOT will GO-3 bis Ende 2026 vollständig als Open Source veröffentlichen. Bislang sind weder Gewichte noch Code öffentlich. Die Zusage bleibt damit eine Ankündigung. Auch ein auffindbarer Technical Report fehlt. Er müsste Angaben zu Modellgröße, Trainingsdaten und Lizenz enthalten.

Auf dem Innovation Day zeigte das Unternehmen außerdem Worken, AHA3, WITA-Omni, G2 Max und Link-U OS 1.0.