Octo Small 是 Octo 系列的较小模型，面向机器人策略推理使用。它采用窗口大小 2，通过扩散策略预测未来 4 步的 7 维动作；主体是 27M 参数 Transformer，规模等同于 ViT-S。图像先经轻量卷积编码器预处理，再分组为 16x16 patch；语言使用 T5 tokenizer，并接入 T5-Base 语言编码器。

模型训练使用 Open X-Embodiment 数据集的混合数据，批次占比最高的来源包括 Fractal、Kuka、Bridge（各 17.0%）以及 BC-Z（9.1%），还包含 Stanford Hydra Dataset、Language Table、Taco Play、Furniture Bench Dataset 等。推理时可传入 observation 和 task key 的任意子集，历史窗口最多 2 个时间步；使用方式指向 octo-models/octo 项目说明。