新闻量子位今天

招商局发布驭物Lion-ER-35B-A3B具身推理模型，激活3B参数十项基准全优

招商局狮子山实验室发布MoE架构具身推理模型Lion-ER-35B-A3B，总参35B仅激活3B。通过能力牵引数据引擎与Eval-Driven迭代机制，在十项主流基准综合均分达65.29，空间放置与轨迹理解等核心指标超越大参数模型，权重已在Hugging Face开源。

AI 整理

数据与采集
具身模型
端侧部署

本文由 AI 根据公开内容整理，可能有误，请以原文为准：不靠堆砌数据，让机器人看懂真实物理世界 | 招商局狮子山实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型（量子位）

核心内容

招商局先进技术研究院狮子山人工智能实验室近日发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」。该模型采用MoE混合专家架构，总参数约35B，推理时每个Token仅激活约3B参数。在不显著增加计算开销的前提下，模型在十项主流具身基准测试中实现全线指标提升，等权综合均分达到65.29。其中Where2Place空间放置评测得分64.28（较基座提升9.30分），ERQA轨迹理解子类达68.18（提升12.12分），多项核心能力超越更大参数量的主流模型，验证了非堆砌数据路线的有效性。

技术层面，团队构建了“能力牵引的具身数据引擎”，将具身推理拆解为实体、空间、时序等8个一级领域及39项二级能力，通过“能力编译”将抽象目标转化为31.2万条高质量监督样本。训练采用Eval-Driven Data Harness机制，从错题中定位系统性短板并定向补充数据，而非盲目扩充规模。模型权重已以BF16 Safetensors格式在Hugging Face开源，原生兼容Transformers、vLLM及SGLang等主流推理框架，支持开发者针对空间关系、任务进度判断等场景进行下游适配与集成。

关键看点

MoE高效架构：总参数35B但单Token仅激活3B，在十项基准综合均分达65.29，ERQA轨迹理解得分68.18，较基座提升12.12分
能力牵引数据引擎：定义8大领域39项二级能力蓝图，通过能力编译生成31.2万条监督样本，摒弃盲目堆砌数据的传统训练范式
Eval-Driven迭代机制：评测结果直接反哺数据生产，基于430万条素材池定向补强空间几何与多视角对应等短板，实现数据动态演化
开源与生态兼容：模型权重以BF16 Safetensors格式开源，原生支持vLLM与SGLang推理框架，便于端侧部署与具身Agent系统集成

工程与产业观察

该工作证明了具身智能训练可从“数据规模驱动”转向“能力结构驱动”。其将抽象推理能力解耦为可量化、可编译的数据单元，并通过评测闭环指导数据合成，为行业提供了低成本构建高精度具身大脑的工程范式。3B激活参数下的优异表现，显著降低了机器人端侧部署门槛，对解决真实物理世界中的空间误判与状态混淆问题具有直接参考价值。