टेंसेंट रोबोटिक्स एक्स, फूटियान लैबोरेटरी और टेंसेंट हुनयुआन ने हाइ-एम्बॉडिड-रैक्सब्रेन-1.0 के लिए तकनीकी रिपोर्ट, इनफरेंस कोड और वेट्स जारी किए हैं, जो एंबॉडेड कॉग्निशन के लिए ~6.2B पैरामीटर वाला एक एकीकृत मल्टीमोडल फाउंडेशन मॉडल है।
मॉडल भाषा तर्क को दृश्य कल्पना के साथ इंटरलीव्ड ऑटोरिग्रेशन जनरेशन के माध्यम से जोड़ता है, एक ही अनुक्रम में पाठ और फ्लो-मैच्ड काल्पनिक फ्रेम को बारी-बारी से प्रस्तुत करता है। प्रमुख आर्किटेक्चरल घटकों में मॉडलिटी-विशिष्ट पथों के साथ एक यूनिफाइड मिक्सचर-ऑफ-ट्रांसफॉर्मर्स बैकबोन और एक फ्लो-मैचिंग इमेज हेड शामिल है जो एक फ्रोजन FLUX VAE लैटेंट स्पेस में डीकोड करता है।
रैक्सब्रेन तीन मुख्य क्षमताएं प्रदान करता है: छवियों और वीडियो पर एंबॉडेड समझ और तर्क, भविष्य के निकट के फ्रेम की कल्पना करने के लिए दुनिया की स्थिति की भविष्यवाणी, और संयुक्त सबगोल प्लानिंग जो भाषा क्रियाओं और लक्ष्य छवियों दोनों के साथ कार्यों को चरणों में विभाजित करती है।