2026年4月，理想发布了全新流式视频理解与具身智能统一的Agent框架——StreamingClaw。该框架原生支持实时多模态流式交互，可像人类一样捕获流数据并即时推理，例如驾驶中检测可疑动作或主动打招呼。其核心特点包括自主多代理调度机制、增量计算、以及低延迟的“感知—决策—执行”闭环。StreamingClaw通过时间戳对齐和共享流式缓存实现标准化处理，并结合StreamingReasoning、StreamingMemory和StreamingProactivity模块，完成复杂任务规划与主动交互。此外，系统提供高效工具接口，如Video Cut工具用于精准裁剪和分析关键片段。未来，StreamingClaw将演进为全模态代理框架，强化跨模态联合推理与长时程建模能力，进一步推动具身智能发展。