11 月 6 日，启元具身研究中心把 PrimeSim 的权重、推理代码和训练代码一起放了出来。两天前它刚发布这个模型。
要把这件事的分量说清楚，得先回答一个很朴素的问题：机器人训练为什么需要仿真器？
因为真机不够用。一台机器一天能跑的时间有限，坏了要修，场景要人搭，同一个初始状态没法精确复现。强化学习需要的是百万次的试错，而真机只能提供万次级别的机会。于是行业用物理引擎搭虚拟世界——MuJoCo、Isaac、PyBullet 这些——让策略在里面先练熟，再搬到真机上。
问题在于，物理引擎的「像」是靠人写规则写出来的。摩擦系数、接触模型、材质参数，每一项都要工程师调。调得再细，也追不上真实世界的杂乱：一块布怎么皱、一管牙膏被挤到什么程度、一颗鸡蛋的壳什么时候裂。
PrimeSim 走的是另一条路：不写规则，让模型从数据里学世界怎么变。
中训练阶段用了 30110 小时精选机器人演示数据，覆盖 22 种异构平台——人形、双臂、单臂、手持 UMI 设备都在里面，人形样本占 54.8%，真实世界数据占 84%。总共 152 万条 episode。
做个除法：30110 小时 × 3600 秒 ÷ 152 万条 ≈ 71 秒一条。
这个数字很关键。它说明这批数据不是长程任务的完整录像，而是短片段——平均一分多钟一条。短片段的好处是密度高、标注干净、跨本体对齐容易；坏处是它教不会模型「一件事做十分钟」的连贯性。这也解释了为什么后训练阶段要专门解决「超过固定训练上下文窗口之后仍能稳定推演」的问题。
| 维度 | 数值 | 说明 |
|---|---|---|
| 中训练数据量 | 30110 小时 | 精选机器人演示数据 |
| episode 数 | 152 万条 | 平均约 71 秒/条（本号计算） |
| 本体平台 | 22 种 | 含人形、双臂、单臂、UMI 手持 |
| 人形占比 | 54.8% | 其余为其他构型 |
| 真实数据占比 | 84% | 非合成、非仿真生成 |
| 数据集族 | 20 个 | 来源与授权未披露 |
判断：54.8% 的人形占比是个值得盯的数字。它意味着这套仿真器有一半的能力是从人形数据里长出来的，另一半是从其他构型借来的。买回去给轮式双臂用，迁移成本低于纯人形训练的模型；但给四足或者特种构型用，就是另一回事了。
榜单分数是给人看的，速度是给训练用的。
视频生成模型出图靠迭代去噪，50 步是常态。50 步意味着生成一个预测帧要跑 50 次网络前向——这个成本放进强化学习的循环里，直接判死刑：一次策略更新要几万次环境交互，每次交互又要几十步去噪。
PrimeSim 用一致性蒸馏加 DMD 把步数压到 4 步，吞吐从 1.12 FPS 提到 10.04 FPS。
这里有个容易被忽略的细节：去噪步数压了 12.5 倍（50→4），吞吐只涨了 9 倍（1.12→10.04）。差出来的部分说明单步开销变大了约 39%——可能是分辨率、视角数或注意力机制的变化带来的。这不是缺陷，是工程折衷的正常痕迹，但它提醒读者：倍数要看清是在什么配置下测的。
判断：10 FPS 的意义不在快，在「能进循环」。强化学习里，仿真器的吞吐直接决定单位时间能跑多少条轨迹；低于每秒 1 帧的仿真器，无论多逼真都只能拿来做事后评估，不能拿来训练。这一刀切过去，PrimeSim 就从「评测工具」变成了「训练场」。
仿真器行业长期有个坏习惯：比画面。谁的渲染更真、谁的光照更准、谁的材质更细。但训练策略的人不关心这个——他关心的是：我在你这里练出来的东西，到真机上还算数吗？
启元给了两个数。第一，8 个 OpenVLA-OFT 策略、300 个共享初始状态下，PrimeSim 与 LIBERO 原生仿真器对同一批策略的成功率判断，相关系数 0.99、平均绝对误差 2.8。第二，直接在 PrimeSim 里做 200 步 GRPO，策略成功率从 61.7% 涨到 73.2%；把这套策略搬回原生仿真器，成功率仍提升 11.5%。
第一组数的意思是「排序一致」：你在 A 仿真器里排第一的策略，在 B 里大概率也排第一。第二组数的意思是「增益可迁移」：在你这里练出来的进步，搬走之后还在。
判断：这两件事比画面逼真重要一个量级。一个仿真器的验收标准应该是「能不能替我做选择」，而不是「看起来像不像」。相关系数 0.99 意味着它可以承担 A/B 筛选的职责——这本身就砍掉了大量真机排队时间。但要提醒的是，300 个初始状态、8 个策略的样本量并不大，相关系数在小样本上容易偏高，复现时要看它在更多策略族上的表现。
这次放出来的是权重、推理代码、训练代码。30110 小时训练数据不在其中。
这个边界划得很清楚，也很符合商业逻辑：代码和权重可以被复制，数据不能。对使用方来说，这意味着你可以直接拿它做策略评估、做少样本微调，但你要想让它在自己的场景里真正准，还是得喂自己的数据。
发布稿里给了几个少样本迁移的数字：适配 xArm 7、ViperX 300、UMI 夹爪分别只需 200、100、200 步梯度更新；在训练集里没出现过的 AgileX Piper 场景上，单卡 A100 约 200 步微调就能让布料形变跟随动作指令、多视角状态保持一致。
两百步梯度更新是个很小的量——它说明模型学到的是「动作和视觉变化的对应关系」，而不是「某个机械臂的特定轨迹」。这是跨本体能力最实用的形态。
但团队自己在访谈里划了边界。董豪（启元机器人）对《晚点》说，世界模型本质上是数据学出来的仿真系统，优势是随数据规模增长能学到更多变化规律，但它受训练数据限制，生成的环境未必始终符合真实物理规律；在导航任务上，他反而更倾向传统图形学仿真，因为那类方法能方便地生成大量结构明确的房间、更容易保证空间布局正确。
判断：这段话比发布稿里的任何一个数字都值钱。它承认了生成式仿真器的适用边界——接触密集的操作任务它强，需要严格几何正确性的导航任务它弱。行业里把世界模型说成「通用仿真底座」的说法，到这里应该收一收。
把 PrimeSim 放进当前的数据路线谱系里，位置就清楚了。
一条路是「采更多」。真机数采工厂、遥操作、手持 UMI 设备，把数据的绝对量堆上去。代价是每一小时数据都有明确的现金成本。
另一条路是「用得更省」。不新增采集，改仿真器让同一批数据被反复练、反复考。代价是仿真与现实的差距，也就是所谓的 sim-to-real gap。
PrimeSim 押的是后者。它的逻辑闭环是：如果仿真器能和真机在「策略排序」上保持一致，那么绝大多数试错都可以在仿真里完成，真机只负责最后的验证。这会把机器人训练的成本结构从「按小时买数据」改成「按算力买试错」。
这条路的软肋也很清楚：一旦真实世界的物理规律在某个 corner case 上偏离，模型会自信地给出错误判断，而且这种错误在仿真里看不出来——因为仿真本身就是在自洽地错。传统物理引擎至少在守恒律上是硬的，学出来的仿真器没有这个保证。
所以真正该看的不是 6.09 这个分数，是接下来三个月里，有没有第三方在 PrimeSim 上训出策略、搬到真机、跑出可复现的结果。权重开源的价值，就是把「能不能被复现」这个问题从发布会移到了社区手里。那才是这类工作最终的成绩单。