耗时与 Token 开销#

RPent Leaderboard

LIBERO-PRO

方法平均每回合耗时(秒)总输出 token
RPent / GPT-6 AstraCodex · low · reasoning412.143,364,938
RPent / DeepSeek V4.1 FlashCodex · xhigh · reasoning963.255,229,712
RPent / GPT-5.6 SolCodex · xhigh · reasoning529.233,635,426
RPent / GPT-5.6 SolCodex · no-reasoning344.172,569,676
RPent Flash ModeMolmo2-8B · 视觉定位60.190
RPent / Qwen3.6 27Bno-reasoning626.33,270,754

RoboCasa365 · Target50

方法平均每回合耗时(秒)总输出 token
RPent / GPT-6 AstraCodex · low · reasoning1,168.955,894,436
RPent / GPT-5.6 SolCodex · xhigh · reasoning1,197.565,258,391
RPent / GPT-5.6 SolCodex · no-reasoning1,013.214,792,104

RoboTwin

方法平均每回合耗时(秒)总输出 token
RPent / GPT-6 AstraCodex · low · reasoning1,078.82,763,641
RPent / GPT-5.6 SolCodex · xhigh · reasoning1,828.74,763,915
RPent / GPT-5.6 SolCodex · no-reasoning957.42,456,401

* Leaderboard 中所有 RPent 方法均展示 2026.09 测试结果。

* LIBERO / LIBERO-PRO:所有使用 VLA 的 RPent 方法均采用与 π_RLinf 基线相同的 RLinf-Pi05-LIBERO-130-fullshot-SFT checkpoint。该模型由 RLinf 发布,已经过 LIBERO-130 监督微调;RPent 未针对 LIBERO-PRO 额外微调,评测期间权重冻结。Motor Only 不使用 VLA。

* RoboCasa365:RPent 使用 RLWRLD 官方发布的 RLDX-1-FT-RC365,而非 RLinf checkpoint。该模型已针对 RoboCasa365 微调;RPent 未额外微调其权重,评测期间保持冻结。

* RoboTwin:RPent 使用 RLinf 发布的 LingBot-VLA-RoboTwin-EEF-ckpt1500,该 LingBot-VLA checkpoint 已经过 RoboTwin 数据监督微调。RPent 与直接 LingBot-VLA 基线使用相同 checkpoint,评测期间均冻结权重。

* 各方法的训练数据、探索 / memory、推理预算及结果选择方式可能不同;外部方法按原来源报告,同 checkpoint 对照见各环境的 VLA 说明。

* [2] RPent Flash Mode 使用直接下载的、官方公开的 GPT-5.5 explore memory,Molmo2-8B 用于视觉定位,动作执行使用与 π_RLinf 相同的 VLA。展示成绩采用 s0-s9 中的最佳评测结果。

RPent Leaderboard