Rho-1은 Reka AI가 내놓은 연구 프리뷰 모델이다. 2026년 10월 5일, The Decoder는 19B 파라미터의 이 '전능' 모델을 보도했다. 텍스트, 이미지, 영상, 로봇 제어 동작을 하나의 신경망 안에서 처리하고 생성하며, 외부 도구 호출도 없고 작업을 전용 모델별로 나누지도 않는다. 모든 모달리티가 하나의 공유 컨텍스트 창에 들어가 같은 토큰 흐름으로 계산된다.
하나의 네트워크가 네 가지 일을, 어려운 건 구조가 아니라 데이터
보도에 따르면 Rho-1은 연속 영상을 실시간으로 생성할 수 있고, 실행 도중 새 지시를 받아도 재시작이 필요 없으며, 카메라 영상을 예측하는 바로 그 가중치가 로봇의 움직임을 직접 출력한다. 로봇 데이터 부족은 이런 모델의 고질적인 난제인데, Reka의 해법은 역동역학 모델을 먼저 학습시켜 일반 인터넷 영상에서 제어 신호를 역추론하는 방식으로, 대량의 무라벨 영상을 훈련 재료로 바꾸는 것이었다. 모델 자체는 H100 320장으로 약 3개월 훈련됐다. Reka의 공식 로드맵에 비춰 봐도 이는 우회로가 아니다. 이 회사는 Moonvalley와 인재를 통합한 뒤 단일 아키텍처로 시뮬레이션, 추론, 동작 예측을 해내는 '전능 세계 모델'을 추진해 왔고, Rho-1은 그 노선이 처음으로 눈에 보이는 형태가 된 사례다.
지금 주류 멀티모달 방식과의 차이
주류 시각언어 모델은 보통 '입력은 여러 가지, 출력은 한 가지'다. 이미지와 영상을 보고 마지막엔 텍스트를 내놓고, 이미지 생성이나 로봇 제어는 다른 모델을 덧붙이는 식이라 이음새마다 지연과 정보 손실이 생긴다. Rho-1의 승부수는 이해와 생성을 하나의 공유 표상에 접어 넣어, 모델이 내부에서 '장면이 다음에 어떻게 변할지'를 먼저 예행연습한 뒤 동작을 정하게 하는 것이다. 로봇 장면에서는 계획과 실행이 두 시스템의 릴레이가 아니게 되고, 인터랙티브 미디어에서는 영상이 생성 도중 새 지시에 응답할 수 있다. 앞서 전한 RobCo 로봇 자금 조달은 자본이 로봇의 몸체를 쫓는 이야기였고, Rho-1 같은 작업은 다른 한쪽, 즉 몸체들이 공유할 수 있는 더 범용적인 '뇌'를 보완한다.
등급을 매기기엔 아직 이르다
현재 Rho-1에 대해 공개된 정보는 주로 한 매체의 보도와 데모 영상에 그친다. 평가 데이터도, 가중치도, 체험 경로도 공개되지 않았고, 19B라는 규모 자체가 최전선 점수 경쟁을 노린 것이 아니다. 그 가치는 오히려 노선 검증에 가깝다. 하나의 네트워크가 이해, 생성, 동작을 동시에 감당할 수 있는지, 역동역학이라는 데이터 경로가 규모화될 수 있는지다. Reka가 기술 보고서나 재현 가능한 데모를 내놓을 때까지, '쓸 수 있는 전능 모델'까지 얼마나 남았는지의 판단은 미뤄도 된다.
