知识卡片：腾讯发布并开源具身认知基座模型RxBrain

一句话结论
腾讯Robotics X联合混元发布并开源了具身世界认知基座模型RxBrain，能够在单一模型内统一文本、图像与视频的理解和生成，搭配模态路由的MoT架构，在真机操作任务平均成功率达87%，超越π0与π0.5。

事件概述
2026年7月16日，腾讯Robotics X与混元团队联合推出并开源了名为RxBrain的具身认知基座模型。该模型旨在为机器人提供高层视觉与语言协同推理能力，从而指导下游动作模型执行物理任务。RxBrain已基于超过5万小时的具身数据训练，并在联合规划评估中优于传统模块化方案。

方法/产品要点

• 统一多模态理解与生成：RxBrain在单一模型中整合文本、图像、视频的理解与生成能力。
• 模态路由的Mixture-of-Transformers架构：通过模态路由机制，让语言推理与视觉目标想象围绕同一任务协同工作，为下游动作模型提供高层指导。
• 训练数据规模：基于5万小时以上的具身数据训练（待确认数据来源与构成细节）。

主要结果

• 联合规划得分：在规划类评估中优于模块化基线方案。
• 真机操作成功率：在三项操作任务上的平均成功率为87%，超过π0与π0.5（两项参照模型）。

为什么重要

• 开源与基座模型定位：RxBrain作为开源基座模型，降低了具身智能研究的入门门槛，推动社区在统一认知模型而非拼装模块的路线上探索。
• 性能突破：87%的真机成功率表明在单一模型中实现多模态协同推理已具备实用潜力。
• 与既有脉络的关系：不同于此前类似模型（如π0系列）依赖分离的视觉-语言模块，RxBrain在统一架构下实现了更高性能，属于具身认知模型路线的重要增量更新。

局限与不确定性

• 三项操作任务的具体类型、难度及测试环境未在材料中详述，成功率的泛化性待验证。
• 模型在真实非受控环境下的鲁棒性、计算资源需求与推理速度等指标未提及。
• 开源的具体许可证、模型权重与代码仓库地址待核实。

可用于图书/PPT/简报的角度

• 以“单一模型统一理解与生成”为切入点，对比传统模块化方法的不足，说明RxBrain的架构优势。
• 强调开源生态对具身智能发展的推动作用，类比LLM领域Llama等模型的影响。
• 引用87%成功率数据作为案例，展示统一认知模型在物理世界操作中的可行性。

原始材料

• 来源：腾讯研究院AI速递 20260716
• 英文标题（手动提取）：RxBrain
• 英文关键词：AI, robotics, embodied cognition, Mixture-of-Transformers
• URL：https://m.sohu.com/a/1050798744_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=6