小米把世界基础模型焊进具身生成:Xiaomi-Robotics-U0 让 Image + Video + Embodied 共用同一套 Tokenizer

小米机器人 7 月 14 日发布并开源 Xiaomi-Robotics-U0(arXiv:2607.11643):一个 38B 参数的多模态自回归模型,从 BAAI EMU3.5 初始化,把文生图、图像编辑、具身场景生成、具身 transfer、具身视频生成五件事塞进同一个 next-token 目标。代码、U0 与 U0-FlashAR 双权重、VisionTokenizer 在 GitHub、Hugging Face、ModelScope 三家同步开源,Apache-2.0。