深度机智发布PhysBrain 1.5，登顶全球开源物理模型榜首
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载PhysBrain 1.5 发布与开源
深度机智在2026年9月9日推出物理基座模型PhysBrain 1.5，并同步把技术报告、模型权重和评测工具包全部公开。开源范围不只覆盖权重，还包括可复现评测所需的工具，这意味着外部团队拿到模型后能按同一套流程自行验证成绩。参数规模上提供2B与8B两档，其中2B版本在同一套28项测试中拿到66.6分，官方将其定位为参考值，不进入排名比较。这种双档设计让使用方可以按算力预算选择：需要完整能力时用8B，资源受限时用2B先跑通流程。全面开源也把评测口径一并交出去，后续任何团队复测都能对照同一工具包，减少了成绩口径不一致带来的争议。
28项基准的组织方式
PhysBrain 1.5的评测覆盖28项公开基准，这些基准并非零散堆叠，而是按视觉空间感知等五个能力维度归组，每个维度下分布若干具体任务。综合均分72.5，在开源模型中排在最前。逐项看，28项里有14项拿到开源第一，另有10项位列开源第二，也就是说绝大多数单项都处在开源阵营的前列位置。具体到几个代表性任务：RoboSpatial-Home考察空间理解，得73.9分；Part-Affordance考察可操作部位识别，得84.0分；RoboRefit考察视觉目标定位，得89.8分。三项分数差异说明模型在不同能力上的表现并不平均，定位类任务明显强于空间理解类任务，读者看综合分时应结合分项来判断它适合哪类场景。
与闭源及开源对手的差距
把PhysBrain 1.5放进更宽的对比里，综合均分72.5与GPT-6 Astra的73.3、Gemini 3.6 Flash的73.0相差不到1分，开源模型与这两个闭源模型之间的分差被压缩到1分以内。开源阵营内部的差距则更明显：Hy-Embodied-VLM-1.0得66.0，比PhysBrain 1.5低约6.5分；RynnBrain 1.1得63.1，低9.4分。这组数字的意义在于，PhysBrain 1.5在开源序列里领先幅度较大，而它与闭源头部之间的差距已经很小。需要注意的是，综合均分只是28项任务的加权结果，单项强弱分布不同，实际选型时仍要回到具体任务的分项成绩，不能只看一个总分。
机械臂实验的完成次数
Robocurve做了一组机械臂实验，把GPT-6 Astra部署到机械臂上执行积木入碗任务，20次尝试中完成19次。同一实验条件下，Claude Fable 5.1只完成8次。这组对比给出的是任务层面的执行成功率，而非基准测试的分数，两者口径不同：基准测的是模型在公开题目上的表现，机械臂实验测的是模型驱动实体动作后能否把积木放进碗里。19次与8次的差别说明，在同一个物理操作任务上，不同模型的实际完成能力存在明显落差。对关注落地的人来说，这类实验比综合均分更接近真实使用场景，但它只覆盖单一任务，不能直接外推到其他操作。
为什么值得看
中国物理AI模型首次在综合能力上逼近顶尖闭源模型，且全面开源。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。