MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters. Anyverse meldt scores van 94,63% op LIBERO Plus, 66,48% op LIBERO Pro, 82,67% op RoboCasa GR1 Tabletop, 72,42% op RoboTwin 2.0 en 45,6% op Bench2Dex.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Anyverse Dynamics announce in its October 22, 2026 release of the open source MWA Phoenix robot manipulation foundation model, incl. Article summary: Anyverse Dynamics announced MWA Phoenix as an open source, 7 billion parameter latent world action foundation model for robot manipulation, designed for on device operation; coverage dates the announcement to October 22,. Topic tags: general web, ai, automation, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Anyverse Dynamics heeft MWA-Phoenix open source gemaakt: een model voor robotmanipulatie met 7 miljard parameters, bedoeld om op het apparaat zelf te draaien. De aankondiging dateert van 22 oktober 2026. Het opvallende uitgangspunt: de robot gebruikt gewone RGB-camerabeelden, zonder dieptesensor en zonder ground-truth diepte-informatie. 1
Een world-action-model probeert niet alleen de visuele situatie te verwerken, maar koppelt die aan handelingen van een robot. MWA-Phoenix wordt gepresenteerd als een basismodel dat voor verschillende manipulatietaken kan worden ingezet. De code is beschikbaar in de GitHub-repository; de aankondiging vermeldt daarnaast een technisch rapport. 1
2
Het bedrijf zegt MWA-Phoenix te hebben getest op zes benchmarks, met zowel gesimuleerde taken als tests op echte robots. De gerapporteerde cijfers zijn:
| Benchmark | Gemeld resultaat |
|---|---|
| LIBERO-Plus | 94,63% |
| LIBERO-Pro | 66,48% |
| RoboCasa GR1 Tabletop | 82,67% gemiddelde taakscore |
| RoboTwin 2.0 | 72,42% gemiddelde score voor twee-armige manipulatie |
| Bench2Dex | 45,6% gemiddelde succesratio |
| RoboDojo | Tests op drie typen robotlichamen en 18 taken; in het aangeleverde materiaal staat geen exact totaalcijfer |
De benchmarks leggen verschillende accenten, zoals omgaan met veranderende omstandigheden, taken uitvoeren in simulatie en manipulatie met twee armen. De gerapporteerde cijfers zijn afkomstig uit berichtgeving over de aankondiging en moeten worden gelezen als resultaten die het bedrijf meldt, niet als onafhankelijk gerepliceerde prestaties.
De GitHub-repository beschrijft het project als Learning Generalizable World–Action Models with Structural and Semantic Representations en bevat de code voor de world-action-voortraining. 2 Een encodercheckpoint van Anyverse, DINO110k, is volgens de bijbehorende licentiemelding afgeleid van Meta’s DINOv3. Dat zegt op zichzelf niet genoeg om alle onderdelen van de volledige MWA-Phoenix-architectuur te bevestigen.
De beschikbare bronfragmenten onderbouwen niet alle verdere technische details die over het model worden genoemd. Zo is op basis daarvan niet vast te stellen hoe geometrie- of tijdsinformatie precies wordt aangeleerd, hoe video- en actievoorspellingen worden gecombineerd, of hoe de uitvoering van actieblokken in real time werkt. Ook de precieze datamix en de omvang van de trainingsdata zijn hier niet onafhankelijk te verifiëren.
Een model dat alleen RGB-beelden gebruikt en op een robot zelf kan draaien, is relevant voor teams die manipulatie buiten een cloudverbinding willen testen. Maar een hoge benchmarkscore is nog geen bewijs dat dezelfde prestaties in uiteenlopende praktijksituaties standhouden. De beschikbare berichtgeving bevestigt de open-source release en geeft een overzicht van de door Anyverse gemelde resultaten; onafhankelijke replicatie van die scores blijkt er niet uit. 1
2
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters.
MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters. Anyverse meldt scores van 94,63% op LIBERO Plus, 66,48% op LIBERO Pro, 82,67% op RoboCasa GR1 Tabletop, 72,42% op RoboTwin 2.0 en 45,6% op Bench2Dex.
De code staat op GitHub en de publicatie noemt ook een technisch rapport. De gemelde benchmarkresultaten zijn bedrijfsclaims; onafhankelijke bevestiging blijkt niet uit de beschikbare bronnen.
MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters. Anyverse meldt scores van 94,63% op LIBERO Plus, 66,48% op LIBERO Pro, 82,67% op RoboCasa GR1 Tabletop, 72,42% op RoboTwin 2.0 en 45,6% op Bench2Dex.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Anyverse Dynamics announce in its October 22, 2026 release of the open source MWA Phoenix robot manipulation foundation model, incl. Article summary: Anyverse Dynamics announced MWA Phoenix as an open source, 7 billion parameter latent world action foundation model for robot manipulation, designed for on device operation; coverage dates the announcement to October 22,. Topic tags: general web, ai, automation, code, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Anyverse Dynamics heeft MWA-Phoenix open source gemaakt: een model voor robotmanipulatie met 7 miljard parameters, bedoeld om op het apparaat zelf te draaien. De aankondiging dateert van 22 oktober 2026. Het opvallende uitgangspunt: de robot gebruikt gewone RGB-camerabeelden, zonder dieptesensor en zonder ground-truth diepte-informatie. 1
Een world-action-model probeert niet alleen de visuele situatie te verwerken, maar koppelt die aan handelingen van een robot. MWA-Phoenix wordt gepresenteerd als een basismodel dat voor verschillende manipulatietaken kan worden ingezet. De code is beschikbaar in de GitHub-repository; de aankondiging vermeldt daarnaast een technisch rapport. 1
2
Het bedrijf zegt MWA-Phoenix te hebben getest op zes benchmarks, met zowel gesimuleerde taken als tests op echte robots. De gerapporteerde cijfers zijn:
| Benchmark | Gemeld resultaat |
|---|---|
| LIBERO-Plus | 94,63% |
| LIBERO-Pro | 66,48% |
| RoboCasa GR1 Tabletop | 82,67% gemiddelde taakscore |
| RoboTwin 2.0 | 72,42% gemiddelde score voor twee-armige manipulatie |
| Bench2Dex | 45,6% gemiddelde succesratio |
| RoboDojo | Tests op drie typen robotlichamen en 18 taken; in het aangeleverde materiaal staat geen exact totaalcijfer |
De benchmarks leggen verschillende accenten, zoals omgaan met veranderende omstandigheden, taken uitvoeren in simulatie en manipulatie met twee armen. De gerapporteerde cijfers zijn afkomstig uit berichtgeving over de aankondiging en moeten worden gelezen als resultaten die het bedrijf meldt, niet als onafhankelijk gerepliceerde prestaties.
De GitHub-repository beschrijft het project als Learning Generalizable World–Action Models with Structural and Semantic Representations en bevat de code voor de world-action-voortraining. 2 Een encodercheckpoint van Anyverse, DINO110k, is volgens de bijbehorende licentiemelding afgeleid van Meta’s DINOv3. Dat zegt op zichzelf niet genoeg om alle onderdelen van de volledige MWA-Phoenix-architectuur te bevestigen.
De beschikbare bronfragmenten onderbouwen niet alle verdere technische details die over het model worden genoemd. Zo is op basis daarvan niet vast te stellen hoe geometrie- of tijdsinformatie precies wordt aangeleerd, hoe video- en actievoorspellingen worden gecombineerd, of hoe de uitvoering van actieblokken in real time werkt. Ook de precieze datamix en de omvang van de trainingsdata zijn hier niet onafhankelijk te verifiëren.
Een model dat alleen RGB-beelden gebruikt en op een robot zelf kan draaien, is relevant voor teams die manipulatie buiten een cloudverbinding willen testen. Maar een hoge benchmarkscore is nog geen bewijs dat dezelfde prestaties in uiteenlopende praktijksituaties standhouden. De beschikbare berichtgeving bevestigt de open-source release en geeft een overzicht van de door Anyverse gemelde resultaten; onafhankelijke replicatie van die scores blijkt er niet uit. 1
2
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters.
MWA Phoenix is een open source, latent world action model voor robotmanipulatie met 7 miljard parameters. Anyverse meldt scores van 94,63% op LIBERO Plus, 66,48% op LIBERO Pro, 82,67% op RoboCasa GR1 Tabletop, 72,42% op RoboTwin 2.0 en 45,6% op Bench2Dex.
De code staat op GitHub en de publicatie noemt ook een technisch rapport. De gemelde benchmarkresultaten zijn bedrijfsclaims; onafhankelijke bevestiging blijkt niet uit de beschikbare bronnen.