阿里巴巴达摩院发布具身智能大脑基础模型 RynnBrain，并一次性开源了包括30B MoE在内的7个全系列模型。同时还开源了全新评测基准 RynnBrain-Bench，用于评测时空细粒度具身任务。

根据介绍，RynnBrain 模型引入了机器人与环境互动所需的两项基本能力：时空记忆和物理世界推理。其中，时空记忆能力可让机器人在其完整的历史记忆中定位物体、目标区域，甚至预测运动轨迹，从而赋予机器人全局时空回溯能力。

物理空间推理不同于传统的纯文本推理范式，RynnBrain 采用文本与空间定位交错进行的推理策略，确保其推理过程紧密扎根于物理环境，大大减弱了幻觉问题。举例来说，运行RynnBrain模型的机器人，在执行A任务中被突然打断要求先做B任务，它能记住A任务的时间和空间状态，等完成B后继续工作。

RynnBrain在Qwen3-VL基础上训练，使用自研的RynnScale架构进行训练优化，同等资源加速两倍，训练数据超过2000万对。结果显示，RynnBrain能力全面，性能领先，在16项具身开源评测榜单上刷新纪录（SOTA），包括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，超越了谷歌Gemini Robotics ER 1.5、英伟达 Cosmos Reason 2等具身顶尖模型。

RynnBrain还拥有良好的可拓展性，能够快速后训练出导航、规划、动作等多种具身模型，有望成为具身行业的基础模型。以具身规划模型为例，其需要强大预测能力和场景解析能力，但基于RynnBrain为基础，只需几百条数据微调，效果就能超越Gemini 3 Pro，轻松实现SOTA。