深度機智開源物理基座模型 PhysBrain 1.5，28 項基準測評獲 72.5 分，差距 GPT-6 Astra 不到 1 分

據報導，中國 AI 公司深度機智（DeepCybo）於 2026 年 9 月 9 日發布並開源物理基座模型 PhysBrain 1.5。在包含視覺空間感知、具身認知與規劃等五大維度的 28 項公開基準測試中，PhysBrain 1.5-8B 取得 72.5 的綜合均分，位居開源模型首位，超越 Hy-Embodied-VLM-1.0（66.0），且與閉源模型 GPT-6 Astra（73.3）及 Gemini 3.6 Flash（73.0）的差距在 1 分以內。 在單項成績方面，該模型於 RoboSpatial-Home 空間理解獲 73.9 分、Part-Affordance 可操作部位識別獲 84.0 分、RoboRefit 視覺目標定位獲 89.8 分。官方同步於 Hugging Face 與 GitHub 開放技術報告、評測工具包以及 8B 與 2B 兩種規模的模型權重；其中 2B 版本在同套測試中取得 66.6 分。 PhysBrain 1.5 將具身理解、動作生成與未來狀態預測整合於同一訓練框架。給定畫面與指令後，模型可預測 1 秒後的物理狀態，並同步輸出 RGB 影像、深度圖與機器人遮罩（Mask）。在動作生成上，模型透過 Human-as-Humanoid 轉換框架學習人類手腕運動，將人類行為資料轉化為機器人動作，並已在 60 自由度的 Prime U 擬人機器人上實現零樣本（Zero-shot）遷移。 補充資料顯示，PhysBrain 1.0 的相關研究於 2026 年 5 月發布，核心為將人類第一人稱影片轉化為物理常識監督；1.5 版本則進一步透過 E2E-3M 資料集混合一般視覺語言資料進行監督式微調（SFT），並結合 Ego360 人類全景真實資料體系（包含全身姿態、手部運動與任務語音）進行訓練。 報導另引述 Robocurve 實驗指出，當前頂尖模型在具身任務上仍有落差，例如 GPT-6 Astra 在「積木放入碗」任務成功率達 19/20（Claude Fable 5.1 為 8/20），但在毫米級精細插入任務的成功率則降至 10%。