/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
RynnBrain-8B
Библиотека
transformers
Опубликована
2 фев 2026

RynnBrain-CoP-8B

Изображение и текст → текст3 профессии

RynnBrain-CoP-8B — дообученная vision-language-модель для пространственного понимания изображений и видео от первого лица, локализации и планирования в робототехнике.

106скачиваний за 30 дней6лайковвеса обновлены14 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

RynnBrain-CoP-8B — модель Alibaba DAMO Academy для embodied AI и робототехники, предназначенная для понимания визуальных сцен с точки зрения наблюдателя и grounding языка в физическом пространстве и времени. Она основана на RynnBrain-8B и дообучена как плотная vision-language-модель семейства Qwen3-VL; модельный репозиторий содержит веса Safetensors и поддерживает диалог с изображениями.

Модель подходит для вопросов о сценах от первого лица, подсчёта объектов, OCR, понимания видео, пространственной локализации объектов и областей, а также для прогнозирования траекторий и подготовки планов для робототехнических систем. Семейство RynnBrain ориентировано на физически обоснованное рассуждение и выдачу локализованных инструкций для последующих VLA-моделей.

Указанные в карточке языки — английский и китайский. Модель распространяется по лицензии Apache-2.0. Контекстное окно и число параметров для этой конкретной модели в предоставленных данных не указаны.

Сценарии применения

  • ответы на вопросы о сценах от первого лица
  • подсчёт объектов на изображении
  • распознавание текста на изображениях
  • понимание видеосцен и временных событий
  • пространственная локализация объектов и целевых областей
  • прогнозирование траекторий объектов
  • подготовка локализованных планов для робототехнических систем

Ограничения

Описание позиционирует модель для воплощённого пространственного понимания и робототехнического планирования; надёжность выходов для управления реальным роботом отдельно не подтверждена. Для этой модели не приведены отдельные сведения о контекстном окне и числе параметров.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📰 News

  • [2026.02.02] Release RynnBrain family weights and inference code.
  • [2026.02.02] Add cookbooks for cognition, localization, reasoning, and planning.

✨ Introduction

RynnBrain aims to serve as a physics-aware embodied brain: it observes egocentric scenes, grounds language to physical space and time, and supports downstream robotic systems with reliable localization and planning outputs.

Key Highlights

  • Comprehensive egocentric understanding
    Strong spatial comprehension and egocentric cognition across embodied QA, counting, OCR, and fine-grained video understanding.

  • Diverse spatiotemporal localization
    Locates objects, target areas, and predicts trajectories across long episodic context, enabling global spatial awareness.

  • Physical-space grounded reasoning (RynnBrain family)
    The broader RynnBrain family includes “Thinking” variants that interleave textual reasoning with spatial grounding to anchor reasoning in reality.

  • Physics-aware precise planning (RynnBrain family)
    Integrates localized affordances/areas/objects into planning outputs to provide downstream VLA models with precise instructions.

🌎 Model Zoo

ModelBase ModelHuggingfaceModelscope
RynnBrain-2BQwen3-VL-2B-InstructLinkLink
RynnBrain-4BQwen3-VL-4B-InstructLinkLink
RynnBrain-8BQwen3-VL-8B-InstructLinkLink
RynnBrain-30B-A3BQwen3-VL-30B-A3B-InstructLinkLink
RynnBrain‑CoP-8B (This Checkpoint)RynnBrain-8BLinkLink
RynnBrain‑Plan-8BRynnBrain-8BLinkLink
RynnBrain‑Plan-30B-A3BRynnBrain-30B-A3BLinkLink
RynnBrain‑Nav-8BRynnBrain-8BLinkLink

🤖 Quick Start

Minimal dependencies:

pip install transformers==4.57.1

Run text generation:

from transformers import AutoModelForImageTextToText
model = AutoModelForImageTextToText.from_pretrained("")
...

Cookbooks

Checkout the cookbooks that showcase RynnBrain's capabilities in cognition, localization, reasoning, and planning.

CategoryCookbook nameDescription
Reasoning9_thinking_with_time_space.ipynbExplores an interleaved reasoning mechanism that alternates between textual reasoning and spatial grounding.

📑 Citation

If you find RynnBrain useful for your research and applications, please cite using this BibTeX:

@article{damo2026rynnbrain,
  title={RynnBrain: Open Embodied Foundation Models},
  author={Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin Liu, Yunxuan Mao, Zhikai Wang, Yuqian Yuan, Minghao Zhu, Xiao Lin, Yang Bai, Qian Jiang, Yaxi Zhao, Minghua Zeng, Junlong Gao, Yuming Jiang, Jun Cen, Siteng Huang, Liuyi Wang, Wenqiao Zhang, Chengju Liu, Jianfei Yang, Shijian Lu, Deli Zhao},
  journal={arXiv preprint arXiv:2602.14979v1},
  year={2026},
  url = {https://arxiv.org/abs/2602.14979v1}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
f03896b

0 моделей