SuperCLUE 2026年10月「具身大脑」公开完整榜单
SuperCLUE于2026年10月4日正式发布国内首个面向机器人"具身大脑"的专项测评榜单,榜单全名为 EmbodiedCLUE-Brain 具身大脑模型总榜,核心区别于传统纯虚拟仿真的具身基准,以大比例真机实测为核心特色,直接量化各类AI模型充当实体机器人控制大脑的真实落地能力。
与普通聊天大模型评测完全不同,具身大脑要同时完成"看懂画面 → 听懂语言 → 规划动作 → 指挥机器人抓取/导航 → 处理突发状况"的完整闭环。
一、全球综合排名(已公开部分)
| 排名 | 模型名称 | 所属机构 | 核心表现特征 |
|---|---|---|---|
| 1 | GPT-6 Astra | OpenAI | 综合得分大幅领先所有参测模型,在长逻辑推理、复杂连锁任务拆解维度优势突出,是当前全球具身大脑能力标杆 |
二、国内综合排名(已公开部分)
| 排名 | 模型名称 | 所属机构 | 核心技术特色 |
|---|---|---|---|
| 并列第1 | 阿里达摩院自研具身模型 | 阿里巴巴达摩院 | 核心优势为时空记忆能力,机器人执行长任务被意外打断后,仍能精准回溯此前未完成的所有步骤与环境细节,无需从头重新执行,适配长周期多步骤的复杂工业场景 |
| 并列第1 | 中兴自研具身模型 | 中兴通讯 | 核心优势为端侧硬件适配能力,专门针对边缘端实体机器人的有限算力做定向优化,可直接部署在算力资源有限的实体机器人硬件上流畅运行,无需依赖云端大算力支撑,适配消费级、工业级机器人规模化量产落地 |
- 榜单补充说明
- 除上述头部梯队外,其余参测国产模型的综合得分与前两名仍有明显差距,整体处于追赶阶段,尚未进入第一梯队,相关详细排名数据SuperCLUE尚未对外正式披露。
- 本次榜单最大特色是真机实测占比极高,完全区别于纯虚拟仿真跑分的传统具身基准,所有任务最终得分均以实体机器人的实际执行结果为唯一判定依据,测评结果对产业落地的参考价值远高于纯虚拟基准 。
- 目前SuperCLUE官方尚未发布完整的全量参测模型得分表、各维度细分能力得分数据,后续官方正式技术报告发布后,全量榜单信息将同步对外公开。
注:所有排名信息均来自SuperCLUE官方2026年10月4日发布的公开内容,未公开部分的排名数据均无可靠信源支撑,不做主观推测。
三、测评体系核心设计
本次测评完全跳出传统具身基准"只跑仿真题"的局限,构建了全链路真机导向的评测框架:
1. 核心测评维度
覆盖环境感知、物体识别、长时序任务规划、物理世界动态预判四大核心能力维度,完整对应机器人从"看懂环境"到"完成动作"的全流程需求。
2. 高占比真机实测
榜单最大特色是引入大量实体机器人真机测试环节,而非单纯依赖虚拟仿真场景跑分,所有任务的最终得分均以实体机器人的实际执行结果为唯一判定依据,测评结果对产业落地的参考价值远高于纯虚拟基准。
3. 真实场景还原
测试任务完全模拟实体机器人日常工作场景,包含抓取物品、自主移动导航、应对环境突发变化等典型操作,直接验证模型在真实物理世界中的泛化能力。
四、头部模型技术路线差异
两家并列国内第一的模型,技术优化方向完全不同,适配不同落地场景:
1. 阿里达摩院:时空记忆(推断指向 RynnBrain)
核心优势为时空记忆能力,机器人在执行长任务过程中被意外打断后,仍能精准回溯此前未完成的所有步骤与环境细节,无需重新从头开始执行,特别适配长周期、多步骤的复杂工业场景。 榜单只表述为"阿里模型擅长时空记忆",未点名具体模型。但这一能力描述与达摩院 2026年2月10日发布并开源的具身大脑基础模型 RynnBrain 高度吻合(此为推断,非官方确认):
- 核心能力:首次让机器人拥有时空记忆 + 物理空间推理——可在完整历史记忆中定位物体、目标区域,甚至预测运动轨迹;其"中断记忆"机制使机器人执行 A 任务被 B 任务打断后,能记住 A 的时空状态,完成 B 后继续 A。
- 架构:基于 Qwen3-VL 构建,采用自研 RynnScale 训练架构(同等资源加速两倍),训练数据超 2000 万对具身交互数据;全系列共 7 个模型,含业界首个 MoE 架构的 30B 具身模型,仅激活 3B 参数即可超越业界 72B 稠密模型效果。
- 战绩:在 16 项具身开源评测榜单上刷新 SOTA,超越谷歌 Gemini Robotics ER 1.5、英伟达 Cosmos Reason 2 等。同时开源了评测基准 RynnBrain-Bench(22 项细粒度指标)。
2. 中兴 Nebula-EmbodiedBrain:端侧落地
核心优势为端侧硬件适配能力,专门针对边缘端实体机器人的算力资源做定向优化,可直接部署在算力有限的实体机器人硬件上流畅运行,无需依赖云端大算力支撑,更适合消费级、工业级机器人的规模化量产落地。 这条路线更偏工程化,走的是"通信网络 + 具身大脑"的差异化路径:
- 模型规格:7B、32B 双版本,7B 主打端侧实时推理,32B 用于复杂长时序任务规划;基于 Qwen2.5-VL 改造,模块化编码器-解码器架构,直接输出可执行动作序列。
- 评测战绩:在 ALFRED、BLINK、EgoPlan-Bench2、VLM-PlanSim-99 等国际具身基准上多项刷新 SOTA;7B 版本 BLINK 得 88.11 分,32B 版本 VLM-PlanSim-99 任务成功率 46.46%。
- 配套优势:作为中兴"芯、魂、体、脑、网、云"六大具身底座中的"脑",配合自研 5G-A 专网,可实现毫秒级指令交互与多机器人集群协同调度;2025年12月已开源权重、训练数据与评估环境。
- 落地:已用于工厂光模块、网线插头等精细柔性操作,以及园区、矿山、地铁场景的机器狗、人形讲解机器人。
五、当前行业核心短板
榜单实测结果直观呈现了国产具身大脑与全球顶尖水平的差距:
- 总分层面,国内头部模型与GPT-6 Astra仍有明显差距,面对步骤繁多的复杂连锁任务时,偶尔会出现空间判断失误。
- 陌生环境泛化能力不足:当机器人进入完全未见过的全新场景时,国产模型的任务成功率会出现明显下滑,应对突发状况的鲁棒性仍有较大提升空间。
- SuperCLUE