/ 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
28 янв 2026

RynnBrain-Plan-8B

Изображение и текст → текст3 профессии

Дообученная визуально-языковая модель для понимания сцен и построения многошаговых планов действий роботов.

55скачиваний за 30 дней7лайковвеса 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-Plan-8B — дообученная модель Alibaba DAMO Academy для embodied AI и планирования действий роботов. Она принимает изображения и текстовые запросы, понимает эгоцентрические сцены и формирует текстовые планы, включая декомпозицию многошаговых задач и инструкции для последующих робототехнических систем. Модель основана на RynnBrain-8B; в семействе используется архитектура Qwen3-VL, а веса опубликованы в формате safetensors. Карточка приводит примеры применения для планирования манипуляций по цели и сцене. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — Apache-2.0.

Модель ориентирована на физически обусловленное понимание сцен и пространственное планирование. Описание семейства также упоминает локализацию объектов и областей, понимание видео и OCR, однако карточка именно этой версии классифицирует её как image-text-to-text и показывает планирование как основной сценарий. Длина контекста и число параметров в предоставленных данных не указаны.

Сценарии применения

  • декомпозиция цели робота на последовательность подзадач
  • планирование манипуляций по изображению сцены и текстовой цели
  • подготовка пространственно обоснованных инструкций для робототехнической системы

Ограничения

В карточке не приведены количественные оценки качества или гарантии надёжности планов. Для исполнения планов в реальной среде потребуется downstream-система; сама модель не заявлена как исполнитель действий робота.

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-8BRynnBrain-8BLinkLink
RynnBrain‑Plan-8B (This Checkpoint)RynnBrain-8BLinkLink
RynnBrain‑Plan-30B-A3BRynnBrain-30B-A3BLinkLink
RynnBrain‑Nav-8BRynnBrain-8BLinkLink

🚀 Main Results

🤖 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
Planning10_manipulate_planning.ipynbPerforms multi-step task decomposition and action planning from goals and scenes.

📑 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
58daa1f

0 моделей