ice 过去判断一个具身模型的能力，多半看它在发布视频里完成了哪些任务。近一段时间，一些公司开始提供另一种方式：开发者接入自己的机器人，在平台上尝试完成自己的任务。
10 月，Physical Intelligence（PI）开放模型 API 测试。开发者可以上传自己的机器人数据，在平台上微调模型，再通过云端推理驱动机器人。PI 提到，一家公司用这套服务迭代了四天，让双臂机器人 Axol 为自身装配所需的垫块去毛刺。同月，Dream Labs 推出 Dream API，按作业时长计费，并提供面向开发者数据的模型微调服务。
国内，11 月 3 日，原力灵机升级 Dexmal MaaS，重点放在模型进入具体场景所需的后训练。开发者可以在同一平台完成数据上传、模型训练和部署，并根据真机执行中的失败继续改进。按其展示的 DM0.5 零样本能力，模型可以完成抓取、推动、放置、叠放等操作，能按颜色、形状和大小区分物体，也能完成擦拭这类较难的操作，并支持序列指令和原生记忆。多本体适配，以及对光照、相机变化和外界干扰的鲁棒性，也被纳入能力设计。
把模型交到外部开发者手中，比语言模型开放 API 要重。机器人需要适配自己的身体，理解现场的物体和流程，还要在执行出错时把任务继续做下去。原力灵机唐文斌此前谈到，模型是否好用，要看它是否具备足够强的泛化能力，以及能否通过后训练，省时省力地变成面向具体任务的专用模型。
