2000万对的数据可不是说着玩的，达摩院这次放出的RynnBrain，一口气开源了包含30B MoE在内的7个全系列模型。这可是为了给后面的AI铺平道路，直接在Qwen3-VL的基础上用自研的RynnScale架构进行了训练优化，同等资源下训练速度翻了一番。结果出来一看，这货在16项榜单上都刷了新纪录，把谷歌的Gemini Robotics ER 1.5和英伟达的Cosmos Reason 2都甩在了后面。 以前的机器人遇到突然打断，大多是忘东忘西或者逻辑错乱，RynnBrain这回直接解决了这个难题。它像个有记忆力的小孩，能记住自己之前在干什么、在哪里。哪怕被要求先去做别的任务，它也能在做完新任务后，继续去做之前没完成的事。这种时空记忆能力就像是在脑海里开了个地图，不仅能定位物体和目标区域，还能预测运动轨迹。 推理这块儿也很有意思，RynnBrain没走纯文本那一套老路。它把文本推理和空间定位穿插在一起进行，就像是在物理环境里一步一步地走。这样一来，那些让人头疼的物理幻觉就大大减少了。比如你正在操作一个机器人去搬东西，突然它被喊去倒杯水喝，喝完水它马上就能回来继续搬。 这套系统不光能力强，扩展性也做得挺好。你要是想训练一个导航或者动作模型，基于RynnBrain只需要几百条数据微调一下就行。以具身规划模型为例，它的效果能轻松超过Gemini 3 Pro。而且达摩院还弄了个新的评测基准叫RynnBrain-Bench，专门用来评测时空细粒度的任务，这下行业的空白算是给补上了。 至于原理嘛，赵德丽负责人也说了：“RynnBrain 终于让大脑对物理世界有了深度理解和可靠规划。”这就好比是把人类的大小脑分层架构给搬到了AI身上。达摩院正积极往这个方向走，想要把AI真正带到现实的物理场景里去。除了这次的RynnBrain，他们之前还开源了WorldVLA和RynnEC这些模型，还有个叫RynnRCP的机器人上下文协议。 总之就是一句话：在这个泛化能力是行业瓶颈的时候，RynnBrain用时空记忆和物理推理的招数站稳了脚跟。这7个开源模型里最大的亮点莫过于那个30B MoE的大家伙了，它只用3B的推理激活参数就能超越别的72B模型。这就好比给机器人的动作加了个涡轮增压器，让它们跑得更快、动作更顺滑。