达摩院开源智能大脑基础模型RynnBrain，推动机器人具备时空记忆与空间推理能力
阿里巴巴达摩院近日推出并开源了智能基础模型RynnBrain，标志着机器人在时空记忆与空间推理能力方面取得突破性进展。此次发布的7个全系列模型中，包含30B MoE架构模型。RynnBrain在16项具身智能开源评测中刷新纪录，超越了谷歌Gemini Robotics ER 1.5等行业领先模型，展现出卓越的性能。
RynnBrain创新性地引入了时空记忆与物理世界推理两项关键能力。前者使机器人能基于完整历史记忆定位物体、目标区域，并预测运动轨迹，实现全局时空回溯；后者则通过将文本与空间定位相结合的推理策略，使推理过程深度嵌入物理环境，显著降低幻觉风险。
该模型在Qwen3-VL基础上训练，采用达摩院自研的RynnScale架构实现训练效率优化，资源消耗相同的情况下，训练速度提升一倍。数据集规模超过2000万对，涵盖环境感知与对象推理、第一人称视觉问答、空间推理、轨迹预测等多个维度。测试结果显示，其在多类任务中性能领先，成为当前最具竞争力的具身智能模型。
RynnBrain具备高度可拓展性，能够快速衍生出导航、规划和动作等多种具身智能模型。以具身规划模型为例，基于RynnBrain只需数百条数据进行微调，即可实现超越Gemini 3 Pro的效果，达到SOTA水平。
此次达摩院以完整开源的方式发布RynnBrain系列模型，涵盖基础与后训练专有模型，其中包括全球首个采用MoE架构的30B具身模型。该模型仅需3B激活参数即可实现优于72B模型的性能，使机器人动作更流畅、响应更迅速。同时，达摩院还开源了全新评测基准 RynnBrain-Bench，专为时空细粒度任务设计，填补了当前行业评估体系的空白。
迈向通用具身智能的关键一步
达摩院具身智能实验室负责人赵德丽指出，RynnBrain实现了大脑对物理世界的深度理解与可靠规划，为通用具身智能的“大小脑分层架构”奠定了基础。这一突破有望加速人工智能从虚拟空间向现实物理环境的落地进程。