RynnVLA-Latent-2B 是 RynnVLA-Latent 的 Stage-1 latent-action 预训练检查点，定位为 Mixture-of-Transformers 视觉-语言-动作模型。它接收语言指令和最多六路相机视角，通过 flow matching 生成一段 latent actions；发布权重为最终训练步 236,442 的 EMA 快照，参数量为 2,510,917,041，权重为 bfloat16。

该阶段的目标是 latent action，而不是机器人动作，训练不使用动作标签。latent actions 由 RynnLAM 从原始 RGB 帧对标注得到，维度为 608，包含 8×64 k-tokens、64 维 z 和 32 维相机位姿；同一批次可混合不同相机数量的数据，最多使用 head、left_wrist、right_wrist、front_third、side_left、side_right 六个视角槽位。

该检查点不应直接用于 LIBERO、RoboTwin 或 VLABench 的闭环控制评测，仓库中的适配器会拒绝 Stage-1 latent-only 检查点。它用于 Stage 2 初始化，在相同 flow-matching 目标下重定向到机器人特定动作空间。自定义 model_type 需先导入 rynnvla 包解析，许可为 Apache License 2.0。