由前沿研究者打造

PhyAgentOS 是一个面向物理智能体的递归自进化操作系统，由中山大学、鹏城国家实验室与 X-Era 联合开发，并以 MIT 协议开源，其核心思路是将认知规划与物理执行彻底解耦，再通过贯穿运行时的反馈回路把任务验证和执行经验连接起来，让智能体在完成任务的同时持续进化。

在控制层面，同一套 Skill 能力接口支持三种范式自由组合：π0.5、OpenVLA 等动作模型直接负责低层动作；GPT-6、DeepSeek、GLM 等通用模型负责高层推理，或两者混合实现"慢思考规划 + 快动作执行"；在进化层面，系统会对照观测与执行事实验证任务结果，失败时有界重规划，验证成功的经验则经守门式晋升沉淀为可复用的工作流与版本化经验库，环境相关的工具和运行时也被封装为可独立安装、带版本号的物理执行 Skill，让规划层与机器人集成互不纠缠。

实测中，GPT-6 与 GLM 5.3 Flash 搭配 π0.5 的混合方案在 LIBERO-Long 基准上均达到 100% 任务成功率，在 RoboDojo、RoboTwin 上同样显著优于单模型基线。

v1.1.0（2026 年 10 月发布）进一步加入了 Provider 集中管理、原生 OpenAI Responses API 接入、Skill Runtime 打包增强和可选的受控交互机制，几分钟内即可完成安装、接入模型并跑通第一个任务。