Genesis 在 5 月 7 日发布的官方博客中推出 GENE-26.5，并将其定义为首个公开的“机器人基础模型系统”版本，强调操控（manipulation）是通用机器人落地的关键未解难题。文章以多类长时序、接触丰富任务为例，强调模型、硬件、数据策略与控制栈协同。 在具身智能的热潮中，“更大的模型”并不必然带来“更可靠的操控”。Genesis 在 5 月 7 日的官方博客中推出 GENE-26.5，反复强调的不是单一模型参数规模，而是“系统化”的路线：把模型、硬件平台、数据采集方式与控制栈作为一个整体共同设计，并用多类长时序、接触丰富的任务来检验操控能力。 这份博客把操控问题说得很直白：导航可以把世界简化为“障碍物与自由空间”，而操控必须在接触中完成任务，面对未知物体的形状、重量、摩擦与动力学不确定性，任何误差都会在长时序任务里累积。Genesis 的论证指向一个行业共识：只靠视觉语言动作（VLA）模型并不足以稳定完成复杂操作，必须在硬件形态、触觉与控制精度上同步提升。 从工程视角看，GENE-26.5 的“全栈”表述其实是在回应产业落地的关键：数据采集怎么规模化、控制延迟怎么压缩、评测怎么提效、以及如何把技能从一次演示变成可重复可迁移的能力。尤其是“评测吞吐量”问题，一旦进入产品迭代阶段，谁能更快、更稳定地在真实或高保真仿真环境中完成回归测试，谁就能更快迭代到可用阈值。 这类公开博客的直接价值，是把行业讨论从“谁的模型更强”拉回到“谁的系统更可靠”。当公司把操控当作核心问题，并把系统设计原则写出来，市场更容易评估其路线是否具备可持续迭代空间。对于关注商业化的人来说，下一步要看的也不再是单个任务视频，而是：在更多不同物体、更多不同场景下，成功率是否稳定提升，以及是否出现可量化的部署指标。
