Microsoft Research
CogACT
可商用 7/8 已核实
8 个必填字段里有 1 个待核实，前台用徽标标出、不用默认值填空。已核实字段的来源列在下方。
基本事实
- 发布日期
- 2024-12 1 来源
- 参数量
- 待核实 0 来源
- 架构
- VLM + 动作专家 0 来源
- 许可证
- MIT（代码、权重、数据均为 MIT，README 原文） 2 来源
- 商用
- 可商用 0 来源
- 权重
- huggingface.co ↗ 1 来源
- 代码
- github.com ↗ 1 来源
- 论文
- arxiv.org ↗ 0 来源
- 输入模态
- rgb · language 0 来源
- 动作空间
- 7-DoF 末端位姿增量 + 夹爪（扩散，16 步动作块） 0 来源
- 跨本体
- Open X-Embodiment 预训练 0 来源
- 预训练数据（小时）
- 待核实 0 来源
- 目标形态
- 单臂 0 来源
架构 · VLM 主干（prism-dinosiglip-224px）+ DiT 扩散动作模块（DiT-S/B/L 三档）；一次输出 16 步 7-DoF 动作
来源 · 2 条来源
license,release_date,arch_notes,code_url https://github.com/microsoft/CogACT 官方页面 · 抓取 2026-09-04 · 尚未存快照 README：released 2024-12-01；All the code, model weights, and data are licensed under MIT license；CogACT-Small/Base/Large，DiT-S/B/L
weights_url,license https://huggingface.co/api/models/CogACT/CogACT-Base 模型仓库页 · 抓取 2026-09-04 · 尚未存快照 模型卡 license: mit；createdAt 2024-11-29
活性信号
每天从 GitHub、Hugging Face、ModelScope 公开接口抓取的数字。只记录，不评价。 · 抓取于 2026-10-31
GitHub stars
434
+2 / 30 天
近 90 天提交
0
最近推送 367 天前
HF 近 30 天下载
1,711
累计 80,220 · 19 likes
权重最后更新
2024-12-04
697 天前
ModelScope未找到同名镜像（按仓库名搜索）
Hugging FaceCogACT/CogACT-Base
stars · 近 30 天
公开基准分数
照抄来源；各论文协议不同。带备注的完整表见基准分数页。
| 基准 | 子集 | 分数 | 来源 |
|---|---|---|---|
| 真机评测（论文自报） | franka_4_tasks_avg | 61.4 | 论文 · Table 6 (real robot, Franka), row 'CogACT', Average |
| 真机评测（论文自报） | realman_arm_pick_stack_place_overall_avg | 71.2 | 论文 · Table 3 (real robot, Realman), row 'CogACT', Overall Avg |
| SimplerEnv · Google RobotCogACT-Base (DiT-Base action module) | variant_aggregation | 61.3 | 论文 · Table 1 (Variant Aggregation), row 'CogACT', Average |
| SimplerEnv · Google RobotCogACT-Large (DiT-Large, 308M) | variant_aggregation | 59.3 | 论文 · Table 7, row 'DiT-Large', Google VA |
| SimplerEnv · Google RobotCogACT-Base (DiT-Base action module) | visual_matching | 74.8 | 论文 · Table 1 (Visual Matching), row 'CogACT', Average |
| SimplerEnv · Google RobotCogACT-Large (DiT-Large, 308M) | visual_matching | 76.7 | 论文 · Table 7 (action model scaling), row 'DiT-Large', Google VM |
| SimplerEnv · Google RobotCogACT-Small (DiT-Small, 13M) | visual_matching | 73.3 | 论文 · Table 7, row 'DiT-Small', Google VM |
| SimplerEnv · WidowX (Bridge)CogACT-Base (DiT-Base action module) | visual_matching | 51.3 | 论文 · Table 2 (WidowX robot), row 'CogACT', Average |
| SimplerEnv · WidowX (Bridge)CogACT-Large (DiT-Large, 308M) | visual_matching | 58.3 | 论文 · Table 7, row 'DiT-Large', WidowX VM |
部署配方
还没有配方。我们只发布在租用 GPU 上真正跑通、带实测延迟的步骤；这个模型还没轮到。
记录历史
2026-09-04
来源抓取
license,release_date,arch_notes,code_url · weights_url,license
延迟与成本
成本 = 延迟 p50 ÷ 1000 × 租价 ÷ 3600 × 1000
| 硬件 | p50 ms | p95 ms | 峰值显存 | 每千次推理成本 ¥ | 样本 |
|---|---|---|---|---|---|
NVIDIA RTX 4090 ¥1.68/h · 共绩算力 (2026) | — | — | — | — 无延迟数据 | 无数据 |
NVIDIA RTX 5090 ¥2.4/h · 润云 2.4 / 共绩 2.5 / 并行智算云 2.98 (2026) | — | — | — | — 无延迟数据 | 无数据 |
NVIDIA A100 80GB 无租价 | — | — | — | — 无延迟数据 | 无数据 |
NVIDIA Jetson AGX Thor 无租价 | — | — | — | — 无延迟数据 | 无数据 |
NVIDIA H100 80GB 无租价 | — | — | — | — 无延迟数据 | 无数据 |
NVIDIA A800 80GB 无租价 | — | — | — | — 无延迟数据 | 无数据 |
还没有这个模型的延迟测量 · 数据来自文献、维护者实测或众包 CLI 上传；三者都还没有。
适配本体
只有有证据的格子才上色。橙点表示厂商声明的目标形态，那是声明，不是核实过的适配。
| Unitree G1 | Unitree H1 | 智元 精灵 G1 | 松灵 Piper 机械臂 | SO-101 | Franka FR3 / Panda | Fourier GR-2 | WidowX 250 S | Google Robot（Everyday Robots） | ALOHA 2 / Cobot Magic（双臂） | Galaxea R1 Pro | Franka Emika Panda | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| CogACT |
图例 官方声明支持社区复现成功理论可微调不支持未知 厂商声明的目标形态 3 / 12 格有明确状态
复现记录
这个模型在你的机器人上跑起来了吗？报一条，附链接（日志、视频或仓库）。记录由维护者核验；核验通过的“跑通”或“微调后跑通”会把矩阵格子升为“社区复现”，你的链接就是证据。可匿名；只存下面这几个字段。
这个模型还没有核验通过的复现记录。
方向清晰，判断有据。