给每台机器人用上前沿模型：Pi API 开放 Beta
（Physical Intelligence，2026-10-13）
**导语**：Pi 把最新模型开放给外部做训练和推理，形式是 Pi API Beta。
**为什么做**：部署机器人很难，选场景、做硬件之外，还得有够聪明的模型。π0、π0.5 这类通用基础模型已经把适配新任务、新环境、新机器人需要的数据和工作量大大降低了，但适配本身仍然要搭机器学习基础设施、准备算力、建数据管线，门槛不低。Pi 的想法是：能不能直接用一个现成的 API，把最强的机器人基础模型适配到每个具体应用上。
**API 做什么**：开发者上传数据，在 Pi 托管的算力上发起微调，再通过托管网关调用微调后的模型做推理。API 里已经是最新模型，微调更省数据、能力也更强。Pi 迭代模型很快，之后会持续把最新最强的模型放进 API。Pi 把这次 Beta 定位为给社区打物理智能地基、走向端到端自主的第一步。
**验证了两个问**：一，模型能不能支撑不同行业、不同硬件的广泛应用；二，开发者靠 API 能不能自己迭代出实用的自主能力。
**第一部分，跨行业适配**：Pi 和正在部署机器人的公司紧密合作，为它们的场景搭自主系统，以此验证模型在不同任务、硬件和作业环境下的表现。页面上的第一组合作方是 Actor、AgRobotics、CloudChef、一家奶业合作方、Ultra 和 Weave。打头的 Actor 在犹他州做无人驾驶重型机械，演示里装载机在真实商业作业中自己铲料、装进自卸卡车，驾驶室里没人。
**第二部分，开发者自己迭代**：各家碰到的难点不一样，比如衣服里外翻了、食材在勺子里待不住、制造零件落错了位置。但改进的流程基本一样：采集示范数据、训练模型、上真机测试、根据失败决定下一轮采什么数据。API 就是让开发者自己跑这个循环。Pi 给少数公司开了早期权限，看它们能不能独立提升自主能力，结果上手和进展都比预期快。例子是旧金山的 Almond：他们做双臂机器人 Axol，目标是让 Axol 自己组装自己。演示里 Axol 在给自己组装用的垫片去毛刺，用的模型是团队用 API 迭代四天得到的。这一组合作方还有 Argon Robotics、Chef Robotics、Deft、Dream Machines、Formic Robotics
（Physical Intelligence，2026-10-13）
**导语**：Pi 把最新模型开放给外部做训练和推理，形式是 Pi API Beta。
**为什么做**：部署机器人很难，选场景、做硬件之外，还得有够聪明的模型。π0、π0.5 这类通用基础模型已经把适配新任务、新环境、新机器人需要的数据和工作量大大降低了，但适配本身仍然要搭机器学习基础设施、准备算力、建数据管线，门槛不低。Pi 的想法是：能不能直接用一个现成的 API，把最强的机器人基础模型适配到每个具体应用上。
**API 做什么**：开发者上传数据，在 Pi 托管的算力上发起微调，再通过托管网关调用微调后的模型做推理。API 里已经是最新模型，微调更省数据、能力也更强。Pi 迭代模型很快，之后会持续把最新最强的模型放进 API。Pi 把这次 Beta 定位为给社区打物理智能地基、走向端到端自主的第一步。
**验证了两个问**：一，模型能不能支撑不同行业、不同硬件的广泛应用；二，开发者靠 API 能不能自己迭代出实用的自主能力。
**第一部分，跨行业适配**：Pi 和正在部署机器人的公司紧密合作，为它们的场景搭自主系统，以此验证模型在不同任务、硬件和作业环境下的表现。页面上的第一组合作方是 Actor、AgRobotics、CloudChef、一家奶业合作方、Ultra 和 Weave。打头的 Actor 在犹他州做无人驾驶重型机械，演示里装载机在真实商业作业中自己铲料、装进自卸卡车，驾驶室里没人。
**第二部分，开发者自己迭代**：各家碰到的难点不一样，比如衣服里外翻了、食材在勺子里待不住、制造零件落错了位置。但改进的流程基本一样：采集示范数据、训练模型、上真机测试、根据失败决定下一轮采什么数据。API 就是让开发者自己跑这个循环。Pi 给少数公司开了早期权限，看它们能不能独立提升自主能力，结果上手和进展都比预期快。例子是旧金山的 Almond：他们做双臂机器人 Axol，目标是让 Axol 自己组装自己。演示里 Axol 在给自己组装用的垫片去毛刺，用的模型是团队用 API 迭代四天得到的。这一组合作方还有 Argon Robotics、Chef Robotics、Deft、Dream Machines、Formic Robotics
Media is too big
VIEW IN TELEGRAM
