国产具身智能模型Spirit v1.5开源后即登顶全球权威榜单，综合表现超越此前的顶尖模型。这一突破标志着中国技术正式跻身全球第一梯队，其核心价值在于创新性地解决了机器人在复杂真实环境中的泛化难题，为行业技术演进提供了可复刻的实践范式。
智能速览
国产具身模型Spirit v1.5开源即登顶全球权威评测榜单。
该模型在30项真实任务中综合得分66.09，成功率达50.33%。
其在贴胶带、插花等多项实操任务中表现完胜美国顶尖模型Pi0.5。
核心技术在于采用高多样性、弱控制的数据训练，破解泛化难题。
千寻智能已同步开源模型权重、代码与使用样例，推动技术共享。
精华内容
Spirit v1.5的登顶并非偶然，其背后是技术路线的系统性创新，尤其是在解决机器人泛化能力这一核心瓶颈上。
榜单实战
在全球首个专为具身智能机器人打造的大规模真机评测平台RoboChallenge上，Spirit v1.5模型以66.09的综合得分和50.33%的成功率登顶，超越了此前霸榜数月的美国模型Pi0.5。
在30项贴近真实场景的任务中，Spirit v1.5展现出更强的适应性。例如在贴胶带任务中，Spirit v1.5能精准定位并协同双手完成操作，而Pi0.5多次尝试后仍未能撕下胶布。在物体拾取任务中，面对堆叠的物品，Spirit v1.5能主动搜寻并抓取目标物体，Pi0.5则采用更机械化的顺序处理。这些直观对比证明了其在真实物理世界中的操作能力。
技术解密
传统具身智能模型依赖经过严苛预处理的“干净”数据，这限制了机器人在新环境中的泛化能力。Spirit v1.5的核心突破在于转向使用高多样性、弱控制的数据进行预训练。
具体而言，千寻智能采用开放式、目标驱动的数据采集方法。操作员仅被设定一个宏观目标，如“清理厨房台面”，但具体执行步骤和顺序完全随机。这种方式采集的数据包含海量的物体交互与轨迹变化，让机器人学习的是一整套通用技能与逻辑，而非孤立任务的机械模仿，从而大幅提升了应对真实世界中不可预测场景的能力。
范式验证
为验证该训练范式的有效性，千寻智能进行了对比实验。一组模型在包含30个精选演示任务的数据集上训练，另一组则在开放式多样化采集的数据集上训练。在全新的未见过任务上进行微调后，结果显示，多样化模型达到相同性能所需的迭代次数比基线模型少了40%。
实验还发现，模型的迁移效率与多样化数据量呈显著正相关，数据集规模越大，模型在新任务中的验证误差就越低。这有力地证明了，让机器人从贴近现实的混乱数据中自主学习，是一条高效且可行的技术路径。
产业影响
Spirit v1.5的登顶，并非单纯的技术参数比拼，而是对模型全链路技术路线的系统性验证。它标志着国产具身智能模型已达到世界级水准，具备了在全球舞台与顶尖选手同台竞技的实力。
这一成果将提升中国在该技术领域的话语权与行业影响力，有助于吸引全球顶尖人才，深化产业链合作。更重要的是，它为国内具身智能产业提供了从技术突破到规模化落地的一套可参考的实践范式，将加速推动机器人技术走进千家万户。
Spirit v1.5的登顶，是中国具身智能从技术追赶迈向全球引领的关键一步。它不仅证明了创新技术路线的可行性，更为整个产业的未来发展锚定了新方向。当机器真正理解并灵活应对物理世界时，我们的生活将迎来怎样的变革？
