PhysBrain 1.5 登顶开源榜：物理 AI 开始冲击空间智能前沿

深度机智近日发布 PhysBrain 1.5，并将 2B、8B 两个版本的模型权重、技术报告与评测工具包向社区开放。根据公开报道和项目方披露，PhysBrain 1.5-8B 在覆盖 28 项任务的具身空间智能评测中取得 72.5 分，位列参评开源模型第一；它在 14 项测试中拿到开源第一，另有 10 项位列开源第二。

这不是一个只在单项榜单上刷出高分的模型。PhysBrain 1.5 的真正看点，是它试图把空间理解、动作生成和未来状态预测放进同一个“物理闭环”里。对机器人来说，模型不能只回答“桌上有什么”，还要继续判断“目标在哪里”“手应该怎么过去”“碰到障碍后会发生什么”，以及“上一步失败后怎样改”。这条从看见世界到改变世界的链路，正在成为物理 AI 与普通多模态模型之间最重要的分界线。

先看成绩：开源模型与闭源前沿的差距缩到 1 分以内

PhysBrain 1.5 是面向物理世界理解、规划与行动的基座模型。它并非单纯的视觉语言模型，也不是针对某一台机器人训练的专用控制器，而是试图为多种机器人和任务提供可迁移的空间智能基础能力。

本轮评测覆盖五类能力：基础视觉空间感知、空间与多视角理解、具身认知与规划、空间指向与可供性，以及视觉轨迹推理。这里的“可供性”是指模型判断物体能被怎样使用、环境允许怎样行动的能力，例如识别一个杯子可以被抓取、一个平面可以承接物体、一个狭窄通道不适合直接通过。

公开结果显示，PhysBrain 1.5-8B 综合得分为 72.5，领先开源对手 Hy-Embodied-VLM-1.0 的 66.0 分约 6.5 分，也高于 RynnBrain 1.1 的 63.1 分。作为参照，资料中列出的 GPT-6 Astra 得分为 73.3，Gemini 3.6 Flash 得分为 73.0，PhysBrain 1.5 与这两款闭源模型的差距分别只有 0.8 分和 0.5 分。

| 模型 | 类型 | 综合得分 | 与 PhysBrain 1.5-8B 差距 | |---|---|---:|---:| | PhysBrain 1.5-8B | 开源 | 72.5 | — | | GPT-6 Astra | 闭源 | 73.3 | +0.8 | | Gemini 3.6 Flash | 闭源 | 73.0 | +0.5 | | Hy-Embodied-VLM-1.0 | 开源 | 66.0 | -6.5 | | RynnBrain 1.1 | 开源 | 63.1 | -9.4 |

分项成绩也比较有代表性。PhysBrain 1.5 在 RoboSpatial-Home 空间理解任务中拿到 73.9 分，在 RoboRefit 视觉目标定位任务中达到 89.8 分。前者考验模型能否理解家庭环境中的相对位置、遮挡和布局，后者则更接近机器人执行任务前的“视觉锚定”：先在复杂场景里准确找到要操作的对象，再谈动作规划。

不过，榜单成绩仍然不能直接等同于真实世界的成功率。公开基准通常拥有明确任务边界和可重复的评测条件，而家庭、仓库和工厂里的物体摆放、光照、摩擦力与突发干扰都更复杂。PhysBrain 1.5 的分数说明模型的通用空间表征已经具备竞争力，但它能否在长时间、低人工干预的真实任务中稳定工作，还需要更多公开实验验证。

Physical Loop：机器人最缺的不是“眼睛”，而是闭环

Physical Loop 是一种让系统持续经历观察、理解、规划、执行和反馈修正的物理智能循环。传统机器人系统往往把这些环节拆给不同模块：视觉模型负责识别，规划器负责生成路径，控制器负责执行，异常处理则依赖人工编写规则。模块各自可用，并不意味着整台机器人能够在变化环境中连续工作。

例如，让机器人把苹果放进篮子，识别模型可能知道苹果在哪里，动作模型也可能生成一条抓取轨迹，但当苹果被挡住、篮子被移动，或者机械手第一次没有夹稳时，系统必须重新理解场景并修改计划。如果每个模块之间缺少共享的世界表征，机器人就容易陷入“看到了，但不会做；做错了，也不知道为什么错”的状态。

PhysBrain 1.5 的路线，是把空间关系、动作意图和结果预测放到统一基座中学习。它试图让模型不仅描述当前状态，还能预测某个动作可能带来的变化。对开发者而言，这种能力的价值不在于让机器人说出更长的解释，而在于减少从感知到控制之间的信息损耗。

ActionPiece：把动作切成模型能迁移的“词”

ActionPiece 是 PhysBrain 1.5 用于动作建模与状态预测的机制。它可以理解为面向物理世界的动作词元：模型学习的不只是“向左移动”“张开夹爪”这类低层指令，还要把动作与对象、空间位置、时间顺序和可能结果联系起来。

传统视觉-语言-动作模型，即 VLA，常常依赖针对具体任务采集的机器人数据。数据量不足时，模型可能只记住某个场景中的动作顺序；数据量足够大时，训练成本又会快速上升。更麻烦的是，针对单一任务的微调可能损害原本的通用理解能力，模型从“理解物理关系”退化成“背诵一段动作脚本”。

ActionPiece 的思路，是同时建模“接下来怎么做”和“做完以后世界会怎样”。资料显示，在团队内部实验中，PhysBrain 1.5 的动作预测能力从 24% 提升到 54%，提高了 30 个百分点，相对提升约 125%。这个结果属于内部实验，不能直接与公开榜单混为一谈，但它至少说明，动作与未来状态联合训练可能是提升物理推理的有效方向。

这种设计的关键不在于动作是否被切得更细，而在于动作是否拥有可复用的语义。例如“把物体推向容器”比“让关节 3 转动 0.2 弧度”更容易跨任务迁移。前者描述的是目标、对象和结果，后者只是某个机器人在某个时刻的控制信号。真正困难的是把高层语义稳定地映射到不同本体的关节、末端执行器和动力学约束上。

从人类第一视角视频出发，能否替代昂贵的机器人数据？

Ego-centric learning，即第一人称人类学习，是从人类视角的操作视频中提取物体、动作、目标和环境变化，用于训练机器人理解与规划的方法。PhysBrain 1.5 的一条核心路线，是减少对大规模真实机器人轨迹的依赖，让模型先从人类如何观察和操作世界中学习。

公开材料提到，相关 EgoLive 数据覆盖近 2000 种物体、1800 种动作，并涉及家庭、零售、物流等场景。团队还将一个“拿苹果”的动作拆解为时间关系、空间关系、物体属性、力学信息、目标推理、动作总结和轨迹描述七个维度。这样的数据处理不是简单给视频配一句字幕，而是把连续行为转成机器能够学习的结构化经验。

这条路线的优势很现实：人类视频比机器人真机采集更容易规模化，场景也更加丰富。机器人每采集一小时数据，都要承担设备折旧、场地维护、安全管理和人工遥操作成本；人类视频则天然包含大量关于遮挡、接触、顺序和失败修正的经验。资料称，相关体系以每月万小时级速度持续新增训练资源，如果数据质量和标注一致性能够维持，确实可能形成传统真机数据难以匹敌的覆盖面。

但人类视频不是机器人动作数据的直接替代品。人的手臂长度、手指自由度、肌肉力量和触觉反馈都与机械体不同，同一段“拿起杯子”的视频，不能直接转换成另一台机器人的关节轨迹。第一视角视频还往往缺少精确深度、力和接触状态。因而，最合理的路径不是只用人类数据，而是让人类数据负责提供任务语义和物理先验，再由仿真与真实机器人数据完成动作落地。

真实评测才是下一关：53.9% 与 90.48%意味着什么

SimplerEnv 是用于评估具身智能任务执行能力的环境或基准，RoboTwin 2.0 则更强调多任务机器人场景中的真实或接近真实的验证。补充材料显示，PhysBrain 1.5 在 SimplerEnv 仿真基准上的成功率为 53.9%，在 RoboTwin 2.0 真实世界基准上的成功率为 90.48%。另有资料提到，早期 PhysBrain 版本在 SimplerEnv 中达到 80.2%，并超过 Pi0.5 的 57.1%；由于不同版本、任务集合和评测设置可能不同，这些数字不宜直接横向拼接。

这组结果反映出一个重要事实：物理 AI 的“理解分数”和“执行成功率”不是一回事。模型可能正确指出目标位置，却因为夹爪姿态、摩擦力、控制延迟或碰撞风险而失败。反过来，一个针对固定场景优化的控制器可能在单一任务中成功率很高，却没有跨场景泛化能力。

因此，评估 PhysBrain 1.5 时，开发者应重点关注三项指标。第一是任务成功率，模型是否真的完成目标；第二是泛化范围，换物体、换位置、换光照后是否仍然有效；第三是失败恢复能力，动作出错后能否重新观察并选择不同策略。第三项往往比一次成功更接近真实部署，因为现实环境不会按照测试脚本保持整洁。

开源的价值：不只是多一个权重下载地址

PhysBrain 1.5 的全面开放，如果项目资料、评测工具和训练方法确实完整可复现，那么它的意义将超过发布一个 8B 权重文件。开发者可以在同一基座上比较不同数据配方、动作表示和机器人适配方案，研究者也能更容易复核“人类数据是否足以支持物理泛化”这一核心问题。

8B 参数规模对研究社区尤其具有吸引力。它不意味着普通笔记本就能流畅运行，也不代表推理成本已经低到可以忽略，但相比更大规模的闭源系统，8B 模型更适合在实验室、边缘设备和定制机器人上做压缩、量化与蒸馏。2B 版本则可能成为低算力部署和快速原型验证的入口。最终效果仍取决于视觉编码器、上下文长度、动作输出形式、显存需求和许可证条款，不能只看参数量。

对中国开发者而言，开源还降低了研究起点：无需从零搭建空间数据管线，也不必把所有预算投入到真机轨迹采集。更重要的是，公开评测工具能帮助社区发现模型真正擅长和不擅长的地方。一个可被复现、质疑和改进的模型，通常比一个只有宣传分数的系统更有长期价值。

我的判断：这是一次有分量的开源登榜，但还不是通用机器人拐点

PhysBrain 1.5 最值得肯定的地方，是它把开源物理 AI 的竞争从“某个任务能不能做”推进到“模型能否统一理解、行动与预测”。72.5 分、14 项开源第一和与头部闭源模型不到 1 分的差距，足以证明中国团队已经进入空间智能基础模型的第一梯队。

但“开源第一”仍然不等于“机器人通用智能已经实现”。目前公开信息还不足以回答几个关键问题：完整训练数据和数据许可是否开放，模型在不同机器人本体上的迁移成本是多少，长时序任务的失败率如何，推理延迟和硬件要求是否适合边缘部署，以及 90.48% 等成绩对应的任务数量和统计方式是什么。没有这些信息，榜单可以说明上限，却不能说明产品化成熟度。

更现实的落地顺序，可能是仓储分拣、零售补货、实验室操作和结构相对稳定的家庭任务。这些场景拥有较清晰的目标、可控的安全边界和较高的重复频率，适合让模型通过真实反馈逐步修正。养老、开放家庭环境和人与机器人高频共处，则需要更强的安全证明、触觉感知和异常处理能力，不能仅凭视觉空间分数进入部署。

PhysBrain 1.5 的发布说明，物理 AI 的竞争已经从单纯堆参数转向数据、模型和本体的协同。谁能持续获得高质量人类经验，谁能把经验转成跨本体可迁移的动作表示，谁又能在真实世界里建立稳定的反馈闭环，才更可能赢得下一阶段。

对开发者来说，现在最值得做的不是追逐“开源第一”的标签，而是下载权重和评测工具后，针对自己的机器人或仿真环境复测：看它能否理解你的场景、能否处理遮挡与失败、能否在没有任务级微调的情况下迁移。榜单让 PhysBrain 1.5 获得了关注，真实任务中的可复现性，才会决定它能否成为基础设施。

参考来源

1. 知乎：缩小物理智能鸿沟——深度机智 PhysBrain 1.5 登顶开源，逼近 GPT-6 Astra ——介绍 Physical Loop、ActionPiece、人类第一视角数据路线及主要评测结果。
2. 知乎 ——用于补充查看相关技术讨论与社区反馈；具体数据应以项目方技术报告为准。
3. Hugging Face ——模型权重与开源评测资源的社区分发平台，实际项目地址需以 PhysBrain 官方公告为准。

注：本文根据截至 2026 年 9 月 14 日可获得的参考材料整理。不同材料对发布时间、评测版本及测试设置存在表述差异，文中已尽量区分公开榜单、内部实验和补充资料；部署前请以 PhysBrain 1.5 官方技术报告、模型许可证和评测仓库为准。