Открытые веса есть у NVIDIA и Physical Intelligence. У Google DeepMind — нет. При этом на реальных манипуляторах и гуманоидах все три линейки уже закрывают задачи, которые год назад считались лабораторными. Парадокс физического ИИ в 2026 году: чем сильнее модель, тем жёстче разрыв между «можно скачать» и «можно поставить в цех».

Ниже — практическое сравнение базовых моделей, которые инженеры и интеграторы реально рассматривают как «мозг» робота: Isaac GR00T N1.7, линейка π₀ / π₀.7 от Physical Intelligence, Gemini Robotics 2 и открытый эталон OpenVLA. Фокус не на маркетинговых слайдах, а на параметрах, данных, частоте инференса, лицензии и том, на каком железе это уже работает.

📐
Что сравниваем. VLA (vision-language-action) — модели, которые принимают изображение и текст и выдают действия: суставы, конец манипулятора или управление всем телом. Модели мира и двухконтурные схемы (медленный планировщик + быстрый моторный контур) — часть того же стека.

Таблица: ключевые оси 2026

МодельПараметрыГолова действийЛицензия / весаТипичная частотаЛучше всего для
GR00T N1.7 (NVIDIA)~3BДвухконтурная: VLA + быстрый DiTApache 2.0, коммерческаямедленный 2–5 / быстрый 200+Гуманоиды, разные корпуса, Jetson/Thor
π₀ / π₀.7 (Physical Intelligence)~3B + эксперт действийFlow matchingЧастично открытые (openpi) / API8–15Ловкость, длинные сценарии, кухня/дом
Gemini Robotics 2не раскрытоVLA + управление всем теломЗакрытая (API / партнёры)варианты на устройствеГуманоид целиком, несколько роботов
OpenVLA7BДискретные токеныОткрытая (лицензия Llama)2–5Исследовательский эталон, задачи по тексту
SmolVLA / Octo0,1–0,5BДиффузия / flowApache 2.010–20+Прототип, край устройства, хобби

Цифры собраны из публичных релизов NVIDIA (апрель–июль 2026), DeepMind (30 июля 2026), arXiv Physical Intelligence (π₀.7) и независимых сводок. Где вендор не публикует параметр — в таблице «не раскрыто».