阿里巴巴達摩院近日在具身智能領域取得重大突破，正式推出具備時空記憶與物理推理能力的RynnBrain基礎模型，并同步開源包含30B MoE架構在內(nèi)的7個全系列模型。該模型在環(huán)境感知、空間推理等16項具身智能評測中刷新行業(yè)紀錄，超越谷歌Gemini Robotics ER 1.5和英偉達Cosmos Reason 2等國際頂尖模型，標志著機器人智能水平邁入新階段。

傳統(tǒng)具身模型發(fā)展面臨兩大核心挑戰(zhàn)：動作模型因數(shù)據(jù)稀缺難以泛化，大腦模型雖具備泛化能力卻缺乏動態(tài)記憶與物理認知。RynnBrain通過創(chuàng)新架構設計突破瓶頸，其時空記憶模塊可追溯物體歷史位置并預測運動軌跡，物理推理引擎則采用文本與空間定位交叉驗證機制，有效消除傳統(tǒng)模型中的"物理幻覺"問題。實驗顯示，搭載該模型的機器人在執(zhí)行多任務時能精準記憶中斷前的時空狀態(tài)，任務切換后無需重新感知環(huán)境即可無縫續(xù)作。

該模型基于Qwen3-VL框架開發(fā)，通過自研RynnScale訓練架構實現(xiàn)資源效率翻倍，訓練數(shù)據(jù)規(guī)模超2000萬組。在具身規(guī)劃任務中，基于RynnBrain微調的模型僅需數(shù)百條數(shù)據(jù)即可超越Gemini 3 Pro性能，證明其作為行業(yè)基礎模型的潛力。達摩院同步開源的RynnBrain-Bench評測基準，首次構建了涵蓋時空細粒度任務的評估體系，填補了領域空白。

開源模型包含全尺寸基礎模型與專用后訓練模型，其中30B MoE架構模型通過動態(tài)參數(shù)激活技術，僅需3B參數(shù)即可達到72B模型的推理效果，顯著提升機器人響應速度與動作流暢度。達摩院已形成完整技術矩陣，此前開源的WorldVLA融合模型、RynnEC世界理解模型及RynnRCP機器人通信協(xié)議，共同構建起可部署、可進化的具身智能系統(tǒng)。這項突破為通用具身智能的分層架構設計提供了關鍵支撐，加速人工智能從數(shù)字空間向物理世界的滲透進程。