具身智能领域迎来重大突破。达摩院开源的RynnBrain模型，通过引入时空记忆与空间推理能力，解决了当前机器人泛化能力差、缺乏动态认知的核心瓶颈，为实现更通用的机器人智能奠定了坚实基础。
智能速览
达摩院开源具身大脑基础模型RynnBrain，共7个全系列模型。
该模型首次让机器人拥有时空记忆与物理世界推理能力。
RynnBrain在16项具身开源评测中刷新纪录，性能超越谷歌等顶尖模型。
其30B MoE架构仅需激活3B参数，推理效率高，机器人动作更丝滑。
同步开源全新评测基准RynnBrain-Bench，填补行业空白。
精华内容
当前具身智能模型普遍面临泛化难、记忆弱、易产生物理幻觉等问题。RynnBrain的出现，正是为了攻克这些挑战，让机器人真正理解并融入物理世界。
行业技术瓶颈
具身模型的智能水平是行业发展的关键瓶颈，现有技术路线各有局限。一类是动作模型（VLA），虽能直接操作物理世界，但因数据稀缺，泛化能力极差。另一类是大脑模型（VLM），虽具泛化潜力，却普遍缺乏记忆能力，动态认知受限，且容易产生物理幻觉，难以支撑复杂的移动操作任务。
时空记忆与推理
RynnBrain创造性地引入了时空记忆和物理世界推理这两项核心能力。时空记忆使机器人能在完整历史中定位物体、目标区域，甚至预测轨迹，具备全局时空回溯能力。例如，机器人在执行A任务时被中断去执行B任务，完成后能自动恢复A任务的时间和空间状态。物理空间推理则采用文本与空间定位交错策略，确保推理过程扎根于物理环境，大幅削弱了幻觉问题。
性能刷新纪录
RynnBrain在Qwen3-VL基础上，采用自研RynnScale架构训练，同等资源下加速两倍，训练数据超2000万对。其性能表现全面领先，在环境感知、对象推理、第一人称视觉问答、空间推理等16项具身开源评测榜单上均刷新纪录（SOTA），明确超越了谷歌Gemini Robotics ER 1.5和英伟达Cosmos Reason 2等行业顶尖模型。
高效开源生态
RynnBrain展现了极强的可拓展性，能快速训练出导航、规划等多种具身模型。以具身规划模型为例，仅需几百条数据微调，效果就能超越Gemini 3 Pro。此次开源包含了业界首个30B MoE架构具身模型，推理激活参数仅需3B，效果却超越业界72B模型。此外，还开源了完整推理与训练代码及全新评测基准RynnBrain-Bench，旨在推动行业共同发展。
