在机器人操作这个长期被“大模型+大数据”主导的方向上，Kyutai 联合 Inria 与 École des Ponts 交出了一份偏克制的答卷：2.4B 参数的 VLA 模型 REKI。
发生了什么
REKI 是一个视觉-语言-动作模型（VLA），面向机器人操作任务。根据公开信息，它有三个值得记录的设定：其一，预训练只使用公开数据，没有依赖自建的私有机器人数据集；其二，模型自带一段“廉价的记忆”，用来保留近期过去的信息；其三，在三个分布外（out-of-distribution）基准上，只有规模约为它两倍的模型才能超过它。权重已公开。
需要说明的是，目前披露的信息集中在模型定位与评测结论上，具体的基准名称、任务类型和训练细节尚未在片段中展开，因此对性能的判断应保持谨慎。
为什么重要
VLA 是过去一年多机器人领域最集中的投入方向：把视觉感知、语言指令和动作输出放进同一个模型，让机器人能听懂“把杯子放到架子上”这类指令并执行。但这条路线的现实约束很明显——高质量机器人数据稀缺且昂贵，模型规模与推理成本又直接决定它能否跑在真实机器上。
REKI 的两个选择正好切中这两点。只用公开数据预训练，意味着它试图证明通用视觉-语言语料加上公开机器人数据足以支撑可用的操作能力，而不是必须依赖大厂级别的私有采集。内置“近期记忆”则指向一个被低估的问题：操作任务是时序的，单帧决策容易在遮挡、物体移动或指令多步执行时失效，而用完整上下文窗口或更大模型来维持时序状态代价很高。用低成本方式保留近期历史，是一种工程上更务实的折中。
“只有两倍规模模型能赢”这个结论同样值得注意。它把讨论从“谁参数最多”拉回到“单位算力下的能力”，这对资源有限的研究团队和机器人初创公司更有参考价值。
影响与看点
对开发者而言，权重公开加上仅用公开数据预训练，降低了复现和微调的门槛，中小团队可以把它当作机器人操作的基座模型来试验，而不必从零训练。对行业而言，这类工作会进一步压低 VLA 的入场成本，竞争重心可能从“堆数据、堆参数”转向记忆机制、时序建模和数据效率这些更细的工程问题。
接下来值得关注三点：记忆机制的具体实现方式及其在长时序任务上的实际收益；分布外基准之外的真实机器人表现，尤其是泛化到新物体和新场景时的稳定性；以及 2.4B 规模在端侧或机载算力上的推理可行性。
一个独立判断：REKI 的价值不在于刷新榜单，而在于它把“数据效率”和“记忆成本”这两个约束摆到了台面上——如果这条路走通，VLA 的竞争逻辑会被改写。
