核心观点 - 阿里巴巴达摩院发布并开源了具身智能大脑基础模型RynnBrain，该模型通过引入时空记忆和物理空间推理能力，显著提升了机器人的智能水平，并在多项评测中超越了谷歌、英伟达等公司的顶尖模型，有望成为具身智能行业的基础模型 [1][4][5] 模型发布与开源 - 公司于2月10日发布了具身智能大脑基础模型RynnBrain，并一次性开源了包括30B MoE在内的7个全系列模型 [1] - 开源内容包括完整的推理与训练代码，以及一个全新的评测基准RynnBrain-Bench，用于评测时空细粒度具身任务，填补了行业空白 [6] 技术突破与核心能力 - RynnBrain创造性地引入了时空记忆和物理世界推理能力，这是机器人与环境互动所需的两项基本能力 [1] - 时空记忆能力让机器人能在其完整的历史记忆中定位物体、目标区域，甚至预测运动轨迹，赋予其全局时空回溯能力 [2] - 物理空间推理采用文本与空间定位交错进行的策略，确保推理过程紧密扎根于物理环境，大大减弱了幻觉问题 [2] - 模型具有认知、定位、推理、规划等多重能力 [3] - 模型基于Qwen3-VL训练，使用自研的RynnScale架构，同等资源下加速两倍，训练数据超过2000万对 [4] 性能表现与行业对比 - RynnBrain在16项具身开源评测榜单上刷新纪录（SOTA），超越了谷歌Gemini Robotics ER 1.5、英伟达Cosmos Reason 2等行业顶尖模型 [1][4] - 具体评测涵盖环境感知与对象推理、第一人称视觉问答、空间推理、轨迹预测等多个维度 [4] - 根据评测表格数据，RynnBrain系列模型（2B, 8B, 30B）在绝大多数评测项目上得分领先于对比模型，例如在VSI-Bench上，30B模型得分为74.5，显著高于Qwen3VL 30B的65.8和Gemini Robotics ER 1.5的45.8 [5] - 其30B MoE模型只需要3B的推理激活参数就能超越业界的72B模型效果，能让机器人动作更快、更丝滑 [6] 应用潜力与行业影响 - RynnBrain拥有良好的可拓展性，能够快速后训练出导航、规划、动作等多种具身模型，有望成为具身行业的基础模型 [5] - 以具身规划模型为例，基于RynnBrain为基础，只需几百条数据微调，效果就能超越Gemini 3 Pro，轻松实现SOTA [5] - 公司表示，RynnBrain首次实现了大脑对物理世界的深度理解与可靠规划，为通用具身智能迈出关键一步 [8] - 公司正在构建可部署、可扩展、可进化的具身智能系统，此前已开源了WorldVLA、RynnEC等具身模型，以及业界首个机器人上下文协议RynnRCP [8]