9 月 8 日，智元发布 GE-Act 2.0 模型。同日的宣传视频给出的定位是「首次验证原生世界-动作模型预训练与 Scaling 路径」：世界模型和动作模型在同一套架构里一起预训练，而不是分开训练再拼接。
这次更新的关键数字都出自智元自己的口径。一个 9 月 9 日的 B 站视频概括为：训练数据达到 3 万小时；Token 数只有 Meta DINOv3 的 1/16，但理解能力「不降反升」；指令匹配准确率 97.95%；学习素材「不挑好坏」，还会「脑补未来」。其中 97.95% 的准确率是厂商宣称的数据，未经独立核验。
这组数字里有两个点值得留意。一是 Token 对比：GE-Act 2.0 的 Token 量仅为 DINOv3 的 1/16，却自称理解能力更高，智元把它表述为数据利用效率的提升。二是「不挑好坏」，即混合质量的数据也可以直接进训练，对应的是具身数据规模扩大之后的成本问题。这两点目前都只有厂商表述，完整的评测设置没有公开。
同一天，智元还发布了 AGILE 2.0 感控一体模型，公开演示是智元灵犀 X2 表演的《杂技BOT》。据 B 站视频，这套模型让机器人「边看边想边动」，官方用语是「机器人进入『睁眼运动』时代」，即表演过程中依赖实时视觉信息来驱动动作。
灵犀 X2 是智元产品线里的人形机型。按本站档案：36kg、39 个关节、最高 1.5m/s，配 3D 激光雷达加 RGBD 相机，定位是舞台、课堂、展厅一类的互动场景，这次是 AGILE 2.0 的演示载体。
GE-Act 2.0 和 AGILE 2.0 分别对应操作理解与运动控制两条线。3 万小时的数据规模、97.95% 的指令匹配准确率都来自智元自述，模型本身的 Scaling 曲线和跨任务泛化效果未见公开，本次核查也未找到独立复现。