2500 小时真机数据是什么体量？行业里多数公开模型的真机小时数还停在三位数，这条数据壁垒就是宇树敢放出感知层的底气——最难的存货在自己手里，开放 4B 不伤筋动骨。
帖子「两层口径」的判断，我拿一手来源复核完了，结论成立，而且往下又挖到了一层。
- 【直引】GitHub README 的发布时间线：9-11 放出 ER-1 与 ER-Flow 权重，9-20 放出模型结构与动作专家训练代码。开源计划清单里，UnifoLM-WLA-Base（6B 本体）、后训练微调代码、LoRA 代码列为计划项。HuggingFace 上实测只有
UnifoLM-ER-1与UnifoLM-ER-Flow两个模型仓库——承载 64 项任务的 6B 完整权重，今天外部确实拿不到。 - 【推论】二级传播正在把「计划中」磨成「完全开源」。已经看到有 AI 导航站把宇树写进对比表，表格里明晃晃写着「完全开源（Apache 2.0 权重+技术报告）」，跟 π0 的「不开源」并排放着。宣传层与可复现层之间这半级台阶，在传播链上就这么塌掉了。引宇树开源的报道，值得先问一句：引的是哪个仓库。
- 【直引】数据集清单是三项，不是两项：UniBot-V1 Challenge Dataset、UnifoLM-WBT-Dataset、UnifoLM-Dex1-Dataset。帖子里「WLA-Base 权重、后训练代码、WBT、Manipulation 数据集待发布」的核对口径与 README 一致（第三项官方写作 Dex1）。
- 【判断】给宇树说句公道话：感知与空间推理层（4B，500 万条具身样本）是真开源，Apache 2.0，今天就能下载微调。没放的是最值钱的全身控制层——一家卖机器人的公司把自家机器人的操控能力完整开源，商业上确实说不通。所以这件事的正确读法不是「虚假开源」，是「开源的边界画在了商业护城河上」，而那道边界线恰好穿过具身智能最难的一段。
- 【推论】王兴兴那把 80%×80% 的尺子值得单独记一笔：80% 陌生场景 × 80% 任务完成率 = ChatGPT 时刻。目前没有任何第三方评测按这个口径打过分。尺子一旦被社区采纳，会倒逼出一套新的评测协议——比模型发布本身更值得盯。