深度机智发布PhysBrain 1.5: 28项公开基准均分72.5, 开源居首, 与GPT-6 Astra差距收窄至1分内

摘要

中国物理AI大突破：PhysBrain 1.5登顶全球开源榜一，空间智能与GPT-6 Astra并驾齐驱 这家中国公司，刚跑完了物理闭环里最难的一段路 允中 发自 凹非寺 量子位 | 公众号QbitAI 物理AI，正在成为2026年全球人工智能最关键的赛道，也是未来之争。 大模型用了三年时间把“会说话、会思考、会工作”推到极致，但当行业开始追问“模型能不能走进真实世界、能不能动手”时，一扇新的大门被推开。 Google DeepMind于2026年7月30日发布Gemini Robotics 2，基于Gemini 3.5 Flash的“具身推理”大脑ER 2，试图让机器人“边看视频边想下一步”。近期，OpenAI GPT-6引发行业热议，推理、编程与多模态理解能力再度突破，把通用智能的天花板又推高了一截。 而Robocurve的一次实验，又将“大语言模型是否能在真实世界中行动”这个问题摆在了台前。该实验将GPT-6 Astra部署在真实机械臂上，在20次“积木放入碗”任务里，GPT-6 Astra完成19次，而Claude Fable 5.1仅完成8次。 这次实验表明，基座模型能力大幅提升之后，也可以在具身任务上取得可观的表现。 但顶尖大语言模型在具身操作上仍有鸿沟。Robocurve同一套测试的另一面很说明问题：在“蓝色拼图块对位插入凹槽”这种毫米级精细任务上，GPT-6 Astra的成功率从95%掉到10%。 大模型积累的通用理解，可以跨越“看懂”到“粗动作”的鸿沟，却仍在“精细接触、精准插入”面前止步。 这正是全行业共同的瓶颈，也是后来者真正的机会窗口。 就在这个关口，一家从北京海淀中关村走出来的中国公司——深度机智，交出了自己的答卷。 2026年9月9日，深度机智正式发布物理基座模型PhysBrain 1.5，在28项公开基准上取得72.5的综合均分，位居参评开源模型首位，与头部闭源模型GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距，已收窄到1分以内。 它没有去和巨头比拼参数规模，也没有去追逐各类技术热点，而是用一条“人类学习”的技术路线，把物理智能基础模型能力作为核心战略方向持续深耕。 GPT-6 Astra的机械臂实验恰恰印证了，把基础模型做扎实，才是决定物理智能上限的关键变量，这正是深度机智长期践行的方向。 PhysBrain 1.5是深度机智在这一战略方向上持续投入的阶段性成果。 在28项基准测评中，PhysBrain 1.5取得14项开源第一，10项位列开源第二。 它不是在某一个单项上刷出了高分，而是在空间理解、动作生成、未来状态预测的完整能力链条上，全线跻身开源模型前列。 这意味着PhysBrain 1.5提供的不只是“更聪明的感知”，而是机器人从理解环境到执行任务的系统性基础能力。 PhysBrain 1.5全面开源，技术报告、2B与8B模型权重、评测工具包，全部向社区开放，让更多全球开发者基于同一套基座，共同探索物理智能的下一步。 Project Page: https://deepcybo-physai.github.io/PhysBrain-1.5 Hugging Face: https://huggingface.co/collections/DeepCybo/physbrain-15 Evaluation Kit: https://github.com/DeepCybo-PhysAI/PhysBrainEvalKit 开源第一，比肩顶尖闭源：中国物理AI基座模型站上全球前沿 物理基座模型的评测向来是件难事。评估PhysBrain 1.5的，是一组28项公开基准，按五大能力维度组织——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、视觉轨迹推理。 在这套多维测试中，PhysBrain 1.5-8B拿下72.5的综合均分，排开源阵营第一。 从结果上看，PhysBrain 1.5-8B以72.5的综合均分拿下开源模型榜首，并在28项中的14项取得开源最佳，10项位列开源模型第二；相较当前最强开源对手Hy-Embodied-VLM-1.0（66.0）高出约6.5分，较RynnBrain 1.1（63.1）高出9.4分。 更受关注的是其整体水位：72.5分这一成绩，与GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距已收窄到1分以内。在具身智能的核心能力上，深度机智已经与全球最前沿的闭源模型站在同一水位线上。 分项成绩同样能说明问题。 在RoboSpatial-Home空间理解取得73.9分，意味着模型能够在真实场景中准确理解物体之间的空间关系，这是机器人在真实环境中操作的前提。 Part-Affordance可操作部位识别拿下84.0分，说明模型不仅能理解“物体是什么”，更理解“这个物体的哪个部位可以被操作、应该怎么操作”，这是从“识别”走向“交互”的关键一步。 RoboRefit视觉目标定位获得89.8分，则表示模型能够在复杂场景中精准找到并锁定目标物体，为后续动作执行提供了可靠的视觉锚点。 这些成绩说明了PhysBrain 1.5的领先并非局部优势，而是一种覆盖感知、空间、推理、规划与定位的系统性能力领先。这也标志着具身基座模型的竞争，正在从单项能力的较量，进入系统能力的对决。 比8B榜首成绩更值得注意的，是PhysBrain 1.5并没有只做一个“大版本”。 深度机智同步开放了PhysBrain 1.5-2B与PhysBrain 1.5-8B两档参数规模。在项目页最新公布的同一套28项测试中，PhysBrain 1.5-2B取得66.6分。 按照官方评测规则，2B版本仅作为参考，不参与开…