阿里巴巴達摩院近日在具身智能領域取得重大突破，正式發布具備時空記憶與物理推理能力的RynnBrain基礎模型，并同步開源涵蓋30B MoE架構在內的7個全尺寸模型。該模型在16項具身智能評測中刷新行業紀錄（SOTA），性能超越谷歌Gemini Robotics ER 1.5、英偉達Cosmos Reason 2等國際頂尖模型，標志著機器人認知能力向真實物理世界邁出關鍵一步。
傳統具身模型面臨兩大核心挑戰：動作模型因數據稀缺難以泛化，大腦模型則缺乏動態記憶能力。RynnBrain通過創新架構設計同時解決這兩類問題——其引入的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替驗證機制，將幻覺率降低67%。實驗顯示，搭載該模型的機器人在執行多任務時，能精準記憶被打斷前的時空狀態，任務切換準確率達92%。
技術團隊基于Qwen3-VL框架開發出RynnScale訓練架構，通過參數優化將訓練效率提升200%。模型使用超過2000萬組高質量訓練數據，在環境感知、視覺問答、軌跡預測等場景展現卓越性能。特別值得關注的是30B MoE模型，其通過動態參數激活技術，僅需3B活躍參數即可達到72B模型的推理效果，使機器人動作響應速度提升3倍，運動流暢度顯著改善。
開源生態建設方面，達摩院不僅開放全系列模型代碼，更推出首個時空細粒度評測基準RynnBrain-Bench。該基準包含2000個復雜場景測試用例，涵蓋動態障礙物避讓、多模態交互等真實世界挑戰，填補行業評測體系空白。基于RynnBrain開發的具身規劃模型，經500組場景數據微調后，在復雜環境路徑規劃任務中超越Gemini 3 Pro表現。
達摩院具身智能實驗室負責人趙德麗指出："RynnBrain實現了認知層與運動層的解耦設計，為通用具身智能構建了可擴展的分層架構。"目前團隊正推進模型在工業巡檢、家庭服務等場景的落地應用，已開源的WorldVLA世界模型和RynnRCP機器人通信協議，正在形成完整的具身智能技術棧。
