Kyutai выпустила VLA-модель REKI на 2,4 млрд параметров с памятью

Kyutai совместно с Inria и École des Ponts выпустила REKI — vision-language-action модель на 2,4 млрд параметров для управления роботами, обученную только на публичных данных. Модель запоминает последние 3 кадра через 32 кэшируемых register-токена в action-эксперте, что добавляет 0,1 мс к 21,8 мс на чанк действий. REKI набрала 90,4% на LIBERO-Plus, но лишь 38,4% на RoboCasa365. Веса открыты на Hugging Face под лицензией CC BY-NC-SA 4.0.

• 2,4 млрд параметров: Qwen3.5-2B VLM и action-эксперт на 0,2 млрд
• Память о 3 последних кадрах стоит 0,1 мс и ~2 МиБ на кадр
• 90,4% на LIBERO-Plus и 65,8% на RoboTwin Clean2Rand
• Память снижает колебания манипулятора с 18,6% до 4,1%