Light-O1-Preview 是一个 reasoning text-to-action 模型，输入自然语言指令后，会推理意图与约束，并生成一段全身类人动作序列。其发布范围仅包含文本到动作能力，完整 Light-O1 计划加入视觉和操作能力。

模型将推理文本与动作放在同一个自回归流中解码，动作码是 embedding table 中的普通行，而不是任务专用预测头，因此可以直接检查模型对指令的理解。动作采用共享的类人表示，而非绑定到某一具体机器人，生成结果可重定向到其他 embodiment。

输出包含推理轨迹和 action codes，并解码为 human_action_138_v1：包括地面平面根位移、骨盆高度、yaw rate、22 个父节点局部 6D 关节旋转和两个手部张开标量，坐标系为右手系、Y-up，帧率 20 fps。GPU 推理需要 Linux x86-64、Python 3.11 和 CUDA 13 兼容环境，许可为 Apache License 2.0。