登顶多项全球 SOTA！大晓全开源首个「统一具身基模型」ACE-Brain-0.5

近日，大晓机器人正式开源新一代统一具身基模型 ACE-Brain-0.5 ，面向 Physical Agentic AI 这一新范式，推动具身智能走向真实物理世界中的自主执行。 Physical Agentic AI 指能在真实物理世界中围绕目标自主感知环境、理解任务、规划、行动，并在交互反馈中持续调整和进化的智能体。作为 ACE-Brain-0 的重大升级， ACE-Brain-0.5 以空间智能为底座，将机器人基础模型从 “ 理解世界 ” 推进至 “ 理解、规划、行动、评估 、进化 ” 一体化的闭环认知阶段。在单一 8B 参数主干下，模型统一整合空间感知、决策规划、具身交互与自我评估四大核心能力，并通过 SSR+ 训练策略协调 Grounding 、导航、操作和进度评估等异质接口，为物理智能体迈向持续自我进化奠定统一而可扩展的认知底座。 当前，具身 AI 正处于从 “ 模块化拼接 ” 走向 “ 原生自主智能 ” 的关键转折点。现有 VLA 模型擅长生成动作，却往往受限于空间推理、长程规划与自我纠错；依赖多模型编排的 AI 智能体系统虽能完成复杂流程，却缺少统一的认知表征，造成接口割裂、误差累积与系统迟滞。 ACE-Brain-0.5 正是对这一行业痛点的系统性回应：用一个统一具身基模型贯通物理智能体认知链路，让机器人在一个 “ 大脑 ” 中完成从看懂环境、拆解任务、物理执行到评估进展的全过程。 在多项国际权威具身智能评测中， ACE-Brain-0.5 以单一 8B 具身基模型，系统性超越 了 OpenAI GPT-5.4 、谷歌 Gemini-2.5-Pro 、 Anthropic Claude-Sonnet-4.6 、英伟达 GR00T N1.6 、 Physical Intelligence π₀/π₀.₅ 、 OpenVLA 、 Qwen-VLA-Instruct 、 NaVid 、 Uni- NaVid 、 RoboReward 、 Robometer 等全球主流开源与闭源模型。不同于依赖任务专用模型或多模型拼接的路线， ACE-Brain-0.5 在同一基模型中贯通空间理解、导航决策、机器人操作与自我评估，展现出全链路全球第一的技术实力。这些多维度 SOTA 结果表明，统一具身基模型正在推动机器人基础模型从单点能力竞争，走向面向真实物理世界的系统级智能。 范式创新：重新定义具身基模型，统一感知、规划、执行、评估和进化 ACE-Brain-0.5 首先改变的是统一具身基模型的定义。回顾具身智能的发展，第一阶段把将感知、规划、执行拆分为独立模块，虽具备可解释性，却难以适应开放复杂环境；第二阶段许多具身模型直接从观测生成动作，提升了端到端操作能力，但仍偏向动作执行，缺少空间理解、长程规划与执行评估；第三阶段多个机器人智能体通过大语言模型调度工具和专