阿里巴巴達摩院今日宣布推出具身智能大腦基礎模型RynnBrain，并同步開源包含30B MoE架構在內的7個全系列模型。該模型首次賦予機器人時空記憶與空間推理能力，在16項具身智能評測指標中全面超越谷歌Gemini Robotics ER 1.5、英偉達Cosmos Reason 2等國際頂尖模型，刷新行業紀錄（SOTA）。
針對具身智能領域長期存在的泛化能力瓶頸，達摩院研發團隊突破傳統技術路徑，創造性地將時空記憶與物理世界推理機制融入模型架構。時空記憶模塊使機器人能夠通過歷史軌跡定位物體位置、預測運動方向，實現全局時空回溯；物理空間推理則通過文本指令與空間定位的交替運算，將推理過程深度綁定物理環境，有效降低傳統模型常見的"物理幻覺"問題。實驗顯示，搭載該模型的機器人在執行多任務時，可精準記憶中斷前的任務狀態，并在任務切換后無縫恢復操作。
基于Qwen3-VL框架優化的RynnScale訓練架構，使模型在同等計算資源下實現兩倍訓練加速，依托超過2000萬組訓練數據構建起多維能力體系。評測數據顯示，該模型在環境感知、視覺問答、軌跡預測等核心場景中表現卓越，其認知、定位、規劃等綜合能力較前代模型提升顯著。特別在具身規劃任務中，基于RynnBrain微調的專用模型僅需數百條訓練數據即可超越Gemini 3 Pro，展現出強大的場景適應能力。
此次開源計劃包含全尺寸基礎模型與垂直領域專用模型，其中30B MoE架構模型通過動態參數激活技術，僅需3B活躍參數即可達到72B規模模型的性能水平，顯著提升機器人響應速度與動作流暢度。配套發布的RynnBrain-Bench評測基準，首次構建了針對時空細粒度任務的評估體系，填補了行業在具身智能量化評估領域的空白。
據達摩院具身智能實驗室負責人趙德麗介紹，RynnBrain通過構建大腦對物理世界的深度理解框架，為通用具身智能的分層架構發展奠定關鍵基礎。該模型已形成可擴展的技術體系，支持快速衍生導航、操作等垂直領域模型。目前團隊正推進具身智能系統的全棧開發，此前已開源世界模型融合方案WorldVLA、場景理解模型RynnEC及機器人通信協議RynnRCP等核心技術組件。
