深度机智发布PhysBrain 1.5：28项基准综合72.5分居开源首位，开源2B/8B权重
据量子位报道，深度机智2026年9月9日发布物理基座模型PhysBrain 1.5，在28项公开基准上取得72.5综合均分，位列参评开源模型第一，与GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）差距在1分以内；技术报告、2B与8B权重、评测工具包全部开源。
AI解读：PhysBrain 1.5最直接的意义是把“物理基座模型”这条路线摆到了可比较的位置：它以72.5分排在参评开源模型第一，和GPT-6 Astra的73.3、Gemini 3.6 Flash的73.0只差不到1分。据量子位报道，这一成绩来自28项公开基准的五大能力维度，而不是单项刷分。
受影响最直接的是做具身智能的开发者。8B版本给出性能上限，2B版本在官方规则中仅作参考、不参与开源排名，但66.6分的成绩超过表中其他非PhysBrain开源参评模型，包括30A3B的Hy-Embodied-VLM-1.0（66.0）、8B的Embodied-R1.5（64.9）和9B的RynnBrain 1.1（63.1）。这意味着低参数规模也能保留相当完整的具身理解能力，试用和部署门槛更低。
报道同时给出了这条路线仍受限制的证据。Robocurve的实验显示，GPT-6 Astra在“积木放入碗”任务20次完成19次，但换成“蓝色拼图块对位插入凹槽”的毫米级精细任务，成功率从95%掉到10%。这说明通用理解能跨越“看懂”到粗动作，精细接触和精准插入仍是瓶颈，PhysBrain 1.5的能力同样要放在这一行业限制下理解。
PhysBrain 1.5的开源范围包括技术报告、2B与8B模型权重和评测工具包，项目页、Hugging Face和GitHub均已给出入口。报道称上线3天获得超过3k下载量。对真正要动手的团队来说，权重和评测工具同时开放，比只有一个榜单名次更有用，因为可以在同一套基准上验证是否适配自己的任务。
技术路线方面，深度机智把物理智能描述为“观察—理解—判断—执行—反馈修正”的Physical Loop，并把具身理解、动作生成、未来状态预测放进同一套训练框架：模型可输出结构化空间坐标与轨迹目标，可生成下一步动作序列，并可预测1秒后的RGB图像、深度图和机器人掩码。报道称动作能力不绑定特定机器人形态和控制频率，无需为每台机器单独训练，但这些能力对精细任务的实际效果仍待外部验证。
据量子位2026年9月14日报道，深度机智于2026年9月9日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。
同一组数据中，GPT-6 Astra为73.3分，Gemini 3.6 Flash为73.0分，PhysBrain 1.5与两者的差距收窄到1分以内。
PhysBrain 1.5-8B在28项基准中的14项取得开源最佳，10项位列开源模型第二。报道称，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。
评测怎么做的：28项基准、五大能力维度与分项成绩
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。
报道给出的分项成绩包括：RoboSpatial-Home空间理解73.9分，Part-Affordance可操作部位识别84.0分，RoboRefit视觉目标定位89.8分。原文称这些成绩覆盖感知、空间、推理、规划与定位。
- 综合均分：PhysBrain 1.5-8B为72.5，参评开源模型第一
- 对比闭源：GPT-6 Astra 73.3、Gemini 3.6 Flash 73.0
- 对比开源：Hy-Embodied-VLM-1.0 66.0、Embodied-R1.5 64.9、RynnBrain 1.1 63.1
2B版本与开源内容：权重、评测工具包和下载数据
深度机智同步开放PhysBrain 1.5-2B与PhysBrain 1.5-8B两档参数规模。在项目页公布的同一套28项测试中，2B版本取得66.6分。
报道称，按照官方评测规则，2B版本仅作为参考，不参与开源排名；但若只比较数值，它已超过表中所有其他非PhysBrain开源参评模型。
PhysBrain 1.5全面开源，开放内容包括技术报告、2B与8B模型权重、评测工具包。项目页、Hugging Face集合页和GitHub评测工具包地址均在报道中给出。
报道称，上线仅3天，PhysBrain 1.5获得超过3k的下载量。
- 2B：66.6分，超Hy-Embodied-VLM-1.0（66.0）、Embodied-R1.5（64.9）、RynnBrain 1.1（63.1）
- 开源物料：技术报告、2B与8B权重、评测工具包
- 下载：上线3天超过3k
- Demo：Hugging Face Spaces在线可测
Physical Loop与三项能力：理解、动作生成、未来状态预测
深度机智把物理智能描述为一个循环：观察世界、理解空间与任务、判断动作后果、执行，再依据新的观察修正下一步，称为Physical Loop。PhysBrain 1.5将原本分散在不同模型里的这五步能力组织进同一个基座模型。
具体做法是，基于开源基础模型，把语言回答、空间坐标、动作轨迹、未来画面与深度预测纳入同一套训练框架，不单独搭建模块或设计专门输出层。
具身理解方面，模型保留VLM图像与视频理解接口，训练数据覆盖五大能力，输出除语言描述外还包括结构化空间坐标与轨迹目标。
动作生成方面，模型通过Human-as-Humanoid管线从人类视频中学习手腕运动方式，给定当前画面、任务指令和动作历史，直接生成接下来一系列动作步骤。报道称这套动作能力不绑定特定机器人形态与不同控制频率。
未来状态预测方面，给定当前画面与任务指令后，模型可预测1秒后的物理状态，同时输出RGB图像、深度图和机器人掩码三种模态。
- 同一基座内三项能力互为输入、互相约束
- 报道称这是从“拼装专用模块”走向“训练统一基座”
- 人类交互视频被纳入预训练监督，原文称物理感知的预训练监督完全来自人类交互视频
人类数据与本体：Ego360、Human-as-Humanoid和Prime U
报道称，深度机智构建了Ego360人类全景真实数据体系，通过全景视频记录任务执行时的周围环境，并同步保留全身姿态、手部运动与任务级语音。
Human-as-Humanoid框架负责把人类行为数据从“可观看的记录”转化为“可训练的资源”。在此前研究中，这条转换链路延伸到自研的60自由度拟人体机器人Prime U：报道称原始示范吞吐量达到传统遥操作的4.8至7.2倍，并在部分任务上实现从人类数据到真机执行的零样本迁移。
报道还提到时间线：2025年10月10日深度机智发布《源于人，超越人》技术路线图；2026年3月27日PhysBrain 1.0在中关村论坛发布；2026年9月9日PhysBrain 1.5跟进。
- Ego360：全景视频＋全身姿态＋手部运动＋任务级语音
- Human-as-Humanoid：连接人类数据与动作模型
- Prime U：60自由度，部分任务零样本迁移
- 迭代节奏：PhysBrain 1.0（2026年3月27日）到1.5（2026年9月9日）
对照实验与限制：粗动作可用，精细任务仍掉到10%
报道引用Robocurve的一次实验：将GPT-6 Astra部署在真实机械臂上，在20次“积木放入碗”任务中完成19次，而Claude Fable 5.1完成8次。
同一套测试的另一面是，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%。报道由此指出，顶尖大语言模型在具身操作上仍有鸿沟，通用理解可以跨越“看懂”到“粗动作”，却仍在“精细接触、精准插入”面前止步。
报道称，这一精细操作局限正是全行业共同的瓶颈，也是后来者的机会窗口。
- 积木放入碗：GPT-6 Astra 19/20，Claude Fable 5.1 8/20
- 毫米级对位插入：GPT-6 Astra成功率由95%降至10%
- 原文判断：物理智能需要专门的基础模型，仅靠语言模型通用能力不足