把人类干活的经验「搬」到机器人关节上，比再采一遍机器人示教便宜，也更难。11月4日前后，LiberAI公开世界动作模型Liber-0：预训练语料描述为超220万小时人类经验，目标是降低对机器人真机示范的依赖，并把零样本操作推到可测区间。
真机协议相对硬：60项任务由GPT-6随机生成，分抓取放置、短程非抓取放置、复杂多步骤各20项，每项重复10轮，共600次零样本测试，过程中不为任务单独采机器人示范。公开结果称，Liber-0综合成功率约36.0%，三类任务分别约63.5%、34.0%、10.5%；同机对照的GPT-6 Astra综合约5%，单次决策平均推理约87.3秒，成功任务平均完成约17.8分钟。
这组对比更像在提醒：通用大模型直接当「身体控制器」，在精度、连续执行与时延上仍可能全面吃亏；专用世界动作模型用人类视频/经验对齐，换来的是可执行的动作分布，而不是更会聊天。观察点包括任务集是否开源可复现、失败样本分布，以及离开实验室桌面后的泛化——36%离「可排班」仍远，但对「零样本能不能干活」已经给出可引用的数量级。