MolmoAct 7B-D Pretrain 是 Allen Institute for AI 开发的全开源机器人操作动作推理模型，面向视觉-语言-动作场景。MolmoAct 系列被描述为在多个基准上达到同类模型的 state-of-the-art 表现，同时保持全开源；该检查点是 MolmoAct 发布的 preview 版本。

该模型基于 Qwen2.5-7B，使用 SigLip2 作为视觉骨干，并采用 Molmo 的预训练方法初始化；预训练数据为 MolmoAct 的 Pre-training Mixture。MolmoAct 训练涉及 OXE 子集和 MolmoAct Dataset，后者包含单臂 Franka 机器人在家庭与桌面环境中执行 93 类操作任务的 1 万条高质量轨迹。

该检查点主要用于下游 mid-training，或复现 SimplerEnv（Google Robot）上的 zero-shot 结果。权重以 FP32 发布，推理时可在加载时转换为 BF16。模型采用 Apache 2.0 许可，定位于研究和教育用途，并强调可检查动作空间中的视觉轨迹、遵循硬件厂商指南和安全配置环境。