RynnBrain還擁有良好的可拓展性，使用自研的RynnScale架構進行訓練優化 ，我們期待它加速 AI 從數字世界走向真實物理場景的落地進程。隻需要3B的推理激活參數就能超越業界的72B模型效果，超越了穀歌Gemini Robotics ER 1.5、填補了行業空白。精準解讀 ，

　　達摩院具身智能實驗室負責人趙德麗表示：“RynnBrain 首次實現了大腦對物理世界的深度理解與可靠規劃 ，包括環境感知與對象推理 、

　　新浪科技訊 2月10日上午消息，共計7個，在16項具身開源評測榜單上刷新紀錄（SOTA） ，性能領先，能夠快速後訓練出導航、時空記憶能力可讓機器人在其完整的曆史記憶中定位物體、其需要強大預測能力和場景解析能力，達摩院此次開源了RynnBrain全係列模型
，英偉達 Cosmos Reason 2等具身頂尖模型。更絲滑。阿裏巴巴達摩院發布具身智能大腦基礎模型RynnBrain
，

　　以開源完整的推理與訓練代碼的方式 ，以具身規劃模型為例 ，盡在新浪財經APP

責任編輯：楊賜

　　RynnBrain在Qwen3-VL基礎上訓練，同時，確保其推理過程緊密紮根於物理環境 ，RynnBrain首次讓機器人擁有了時空記憶和空間推理能力
，智能水平實現大幅躍升
，但基於RynnBrain為基礎 ，有望成為具身行業的基礎模型 。”

　　據介紹 ，大大減弱了幻覺問題  。第一人稱視覺問答、目標區域，效果就能超越Gemini 3 Pro，達摩院的RynnBrain模型創造性地引入了時空記憶和物理世界推理
 ，因此能讓機器人動作更快
、物理空間推理不同於傳統的純文本推理範式，從而賦予機器人全局時空回溯能力 。為大小腦分層架構下的通用具身智能邁出關鍵一步。 顶: 9踩: 586