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架構在內的7個全系列模型。該模型在環境感知、空間推理等16項具身智能評測中刷新行業紀錄，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。
傳統具身模型發展面臨兩大核心挑戰：動作模型因數據稀缺難以泛化，大腦模型雖具備泛化能力卻缺乏動態記憶與物理認知。RynnBrain通過創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行多任務時能精準記憶中斷前的時空狀態，任務切換后無需重新感知環境即可無縫續作。
該模型基于Qwen3-VL框架開發，通過自研RynnScale訓練架構實現資源效率翻倍，訓練數據規模超2000萬組。在具身規劃任務中，基于RynnBrain微調的模型僅需數百條數據即可超越Gemini 3 Pro性能，證明其作為行業基礎模型的潛力。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架構模型通過動態參數激活技術，僅需3B參數即可達到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機器人通信協議，共同構建起可部署、可進化的具身智能系統。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，加速人工智能從數字空間向物理世界的滲透進程。
