昔日一年，以东谈主形机器东谈主为代表的具身智能在推行室中的“场景意会”与“任务策划”上进展显赫，但面对简直的工业产线任务时，时时面对“思获得但持不准、算得出但跟不上”的逆境。这背后，是弥远横亘在推行室环境与简直诓骗场景之间的鸿沟：东谈主形机器东谈主在空间层面的度量失准与时辰层面的反应迂缓。

基于百亿参数底座模子，对其具身智能大模子Thinker进行了架构升级。本次升级聚焦“小参数、高性能、全开源”，旨在打造一个能为工业东谈主形机器东谈主提供快速反应与精确空间感知的下一代具身智能大脑，以应付动态工业场景的挑战。Thinker将看成智能基座，为优必选的群脑相聚和配合智能体Co-Agent提供清晰与决策救援，进而运行单机自主与群体智能的协同进化。

Thinker 完了了 “小体积大能量” 的重要性能打破，优必选这次将其开源，让弘大斥地者可基于该基座探索东谈主形机器东谈主大脑的诓骗，一同加速具身智能时候的迭代节律，联袂共建东谈主形机器东谈主的全新异日。

小参数+高性能+全开源狂揽9项基准人人第一

面前，机器东谈主范畴大模子发扬欠佳，尤其在空间意会、视觉感知等重要任务上精度不及；且模子参数目多数较大，难以得志机器东谈主对及时性的高条件；其次，互联网上虽有海量数据，但质地错乱不都，制约了模子通过Data Scaling 完了性能有用进步。

优必选具身智能大模子Thinker以“小参数、高性能、全开源”打破具身大脑范畴限制。近日，在涵盖10B以下具身智能大脑模子的泰斗基准评测中，Thinker一举拿下9项第一，从头界说了该范畴的性能标杆。这些基准全面评估了具身智能的两大中枢能力：一是机器东谈主第一视角下的场景清晰与任务策划能力，二是扶持物理交互的精确感知与空间意会能力。

{jz:field.toptypename/}

该泰斗榜单囊括了英伟达、字节超过、北京智源及北京东谈主形等顶尖团队近期发布的代表性模子，连合体现了具身智能行业的前沿水平。

优必选具身智能大模子Thinker

在9项泰斗基准评测中名次人人第一

（数据更新至01/30/2026，扫尾基于flageval, evalscope框架评测）

从海量数据到高质地“大脑”Thinker的数据荡漾之谈

具身智能的中枢竞争力根植于高质地数据的扶持，但行业多数面对原始数据噪声大、多模态对都梗阻、标注本钱高、小样本泛化难等痛点。优必选以数据为中枢，构建了笼罩\"精采提纯 - 自动化标注 - 数据运行进修” 的全链路惩处决议，通过极致的时候优化破解行业难题，为轻量化具身大模子的高性能发扬筑牢数据基座。

优必选具身智能大模子Thinker时候架构图

从20B 到 10M多模态数据的 “精采提纯” 活水线

面对高达20B、含噪声、难对都、模态缺失的原始数据，优必选构建了全经由自动化“精采提纯”活水线。通过“数据筛选”与“质地评分”两步，完了从20B到10M级别高质地数据的极致提纯。

广度筛选：基于定制化规范，从视觉、话语、动作、环境等多模态数据中，快速过滤出约1%的候选数据池。

深度评分：引入大模子构建多维度评分模块，从质地、任务、场景等多维度进行精良评价，最终筛选最高价值的进修数据。

自动化标注闭环东谈主工参与率＜1% 的高效决议

针对具身数据标注难度大、本钱高的行业痛点，优必选搭建了“弱监督 + 自监督 + 极少东谈主工校验”的自动化标注体系：

中枢时候：给与“大模子辅助标注 + 多模子交叉考证”计谋，对视觉场景分割、动作序列分类、教导意图领悟等任求完了端到端自动化标注；

东谈主工校验机制：仅对标注置信度低于阈值的样本进行东谈主工复核，最终将东谈主工参与率限度在1%以下，较传统全东谈主工标注决议本钱镌汰 99%，标注后果进步超百倍；

动态迭代优化：将模子进修后的差错反馈至标注活水线，陆续优化标注算法参数，酿成“标注 - 进修 - 反馈 - 迭代”的闭环，标注准确率随迭代迟缓进步。

Data-centric 中枢上风 小样本撬动强泛化能力

具身智能的中枢需求是 “在复杂简直场景中精确交互”，而数据质地平直决定模子的环境适配与任务迁徙能力。优必选的进修范式以下三个中枢维度系统保险模子的泛化与迁徙能力：

样本各样性笼罩：基于精采的10M高质地数据，全面笼罩具身智能四大中枢任务类型：任务策划, 视觉定位，空间意会，通用常识；

任务导向型采样：针对具身智能 “感知 - 决策 - 扩充” 闭环中的重要形态（如精良操作、拖拉教导意会、突发场景应付），进行样本动态采样，进步模子中枢能力；

L4级标注规范:通过联想精良的4级数据标签，从任务-功能-分类-模态4个维度进行精确诀别，完了对进修数据配比的精确把控。

Thinker进修数据类型漫步

动弹数据飞轮运行模子陆续进化

依托具身智能大模子Thinker的时候积淀，优必选翻新性买通数据回流机制，通过在工场搬运、工件分拣等简直场景中的深度部署，确保时候上风荡漾为落地上风，并反哺模子陆续进化。包含:

基础能力深度领悟

详备拆解模子多模态意会、空间推理、任务策划等中枢能力，明确不同具身场景下的能力鸿沟与适配阈值，为卑劣诓骗提供精确的时候参考。

精确问题定位指南

提供场景化问题会诊方法论，针对落地中常见的教导意会偏差、操作精度不及等问题，给出可平直套用的排查经由与惩处决议。

实操优化全经由率领

涵盖Prompt工程精良化优化手段，以及SFT微调阶段的数据构造范例、不同任务类型样本比例配比提议，助力快速完成场景适配。

双向数据回流机制

回收卑劣场景中的全新数据、新兴任务需求及交互反馈，将其荡漾为模子可学习的进修资源，反向注入Thinker迭代过程，陆续扩张模子基础能力与泛化性。以工场搬运为例，系统陆续采集骨子功课中的长尾案例数据，如料箱识别失败、持取轨迹动态改造等。这些简直场景数据平直反哺 Thinker 模子的进修，股东其自主进化，不休增强基础性能与场景稳当能力。最终基于Thinker大模子，Walker S2可在箱体搬运、工件分拣等卑劣诓骗场景中完了 99.99% 的功课准确率。

具身智能大模子Thinker的诓骗闭环

面前，具身智能正加速渗入工业智造、商用做事等千行百业，但时候门槛与本钱限制成为行业普及的重要瓶颈。优必选对峙开源分享理念，将模子权重、进修器具链与诓骗案例全量洞开，但愿与更多斥地者和企业共同拥抱具身智能的波浪。

开源代码网址：

https://github.com/UBTECH-Robot/Thinker

权重流畅：

https://huggingface.co/UBTECH-Robotics/Thinker-4B

论文流畅：https://arxiv.org/abs/2601.21199