模型定位
Hy-Embodied-RxBrain-1.0(RxBrain)是由騰訊 Robotics X 實驗室、福田實驗室與騰訊混元團隊打造的開源具身世界認知基礎模型。它結合語言推理與視覺想像,為機器人的高層認知、規劃及下游動作模型提供支援。模型約有 62 億個參數,基於 Hy-Embodied-VLM 系列開發。(developer.cloud.tencent.cn)
主要能力與用途
- **具身理解與推理:**根據圖像或多影格影片進行視覺問答,理解場景、物體關係及任務狀態。
- **世界狀態預測:**根據當前觀察與動作指令,想像短期未來的多個影格,用於預測行動後果。
- **聯合子目標規劃:**將任務拆解為步驟,交錯產生文字計畫和對應的視覺目標圖像;生成的目標狀態會重新加入後續推理的上下文。
- **下游應用:**文字計畫與目標圖像可供機器人動作策略、進度判斷、失敗檢測及重新規劃使用。官方亦以額外擴展的動作生成分支進行真機操作驗證。(tairos.tencent.com)
技術與開源
模型採用依模態分流的 Mixture-of-Transformers 架構,結合自迴歸文字生成與基於 Flow Matching 的視覺生成。官方公布了模型權重、推論程式碼及技術報告;模型程式碼與權重採用 Apache 2.0 授權。(github.com)
限制與部署注意事項
- RxBrain 主要提供高層認知與規劃;官方真機控制驗證使用了額外擴展的動作生成分支,不應假設基礎模型本身即可直接控制所有機器人。(developer.cloud.tencent.com)
- 官方本地推論說明要求 Python 3.10 以上及支援 CUDA 的 NVIDIA GPU;圖像生成、未來影格生成和交錯規劃另外需要 FLUX VAE 權重。部署也需自行負擔運算與基礎設施成本。(github.com)
- 生成的未來狀態與規劃屬模型預測,實際部署應結合環境觀察、任務驗證及安全措施,不保證在所有場景成功。
發布日期
2026 年 7 月 15 日。官方公告文章刊登於 2026 年 7 月 17 日,文中指出模型於 7 月 15 日正式發布並開源。(developer.cloud.tencent.cn)
價格與計費
截至 2026 年 11 月 16 日,查閱騰訊雲中國大陸及國際站的官方計費資料,未核實到本模型的官方 API 輸入或輸出價格,也未核實到適用本模型的其他計費單位。其他混元模型的價格不能直接套用於 RxBrain;開源權重的提供亦不代表自部署沒有成本。(cloud.tencent.com)
查詢來源:騰訊雲中國大陸 TokenHub 模型價格、騰訊雲國際站按量計費資料。