騰訊開源機器人大腦：22基準16項第一，對標Gemini

騰訊混元HY-Embodied架構

🤖 騰訊混元開源機器人大腦：具身智能的新玩家

騰訊混元昨天放出了 HY-Embodied-0.5，這不是普通的大語言模型——這是專門給機器人用的“大腦”。而且完全開源。

具身智能（Embodied Intelligence）的賽道上，騰訊這次是真的在認真打。

📊 兩個版本，兩種打法

HY-Embodied-0.5 提供了兩個版本：

版本	參數	定位	性能
MoT-2B	2B 激活 / 4B 總參數	邊緣部署（機器人本體）	22 基準測試，16 項碾壓同級模型
32B	32B 參數	複雜推理（雲端/服務器）	對標 Gemini 3.0 Pro

MoT-2B 的亮點：雖然總參數是 4B，但推理時只激活 2.2B 參數。這意味着一個 2B 模型的推理速度，卻有超越 2B 的能力。

🧠 四大核心技術

1. MoT（Mixture-of-Transformers）架構

傳統 VLM（視覺語言模型）把視覺和語言混在一起處理。HY-Embodied 用了MoT 架構，通過 latent tokens 實現模態專用計算：

視覺路徑：專門的視覺處理模塊
語言路徑：專門的文本處理模塊
協同推理：跨模態的聯合推理

這樣做的效果：視覺感知能力大幅提升，同時保持高效的推理速度。

2. 鏈式推理 + 自進化蒸餾

小模型怎麼能有大模型的推理能力？答案是蒸餾：

32B 模型學會了複雜的逐步推理、規劃、思考能力
通過 on-policy distillation，把這些能力遷移給 2B 模型
小模型也能做鏈式推理，一步步解決問題

3. 大規模具身預訓練

數據規模：超過 100 million 個具身和空間相關數據點，超過 200 billion tokens。

這讓模型學會了：

3D 空間的深度理解
物理對象的交互方式
Agent 的動態行爲

這不是網上隨便抓的文本數據，是專門爲機器人場景 curated 的數據。

4. VLA（Vision-Language-Action）應用

HY-Embodied 不僅僅是跑基準測試的模型，它被設計爲物理機器人的核心認知引擎：

無縫集成到 VLA 框架
作爲機器人”大腦”驅動複雜任務
真實世界機器人控制的高成功率

🎯 基準測試：碾壓同級

在 22 個具身智能相關基準測試中，MoT-2B 在16 項碾壓同級模型：

基準	HY-Embodied	Qwen3-VL 2B	RoboBrain 4B
CV-Bench	89.2	80.0	86.9
DA-2K	92.3	69.5	79.4
EmbSpatial-Bench	82.8	75.9	73.8
MindCube	66.3	28.4	26.9

差距最明顯的是 MindCube：HY-Embodied 66.3 vs Qwen3-VL 28.4，這是2.3 倍的優勢。

🦾 爲什麼這個很重要？

具身智能是AI 下一個十年的關鍵賽道：

語言模型：解決了”理解”和”生成”的問題
視覺模型：解決了”看”的問題
具身智能：解決”理解 + 看見 + 動作”的完整閉環

機器人需要：

感知：理解 3D 空間、物體位置、環境變化
推理：規劃動作路徑、預測後果
執行：控制電機、完成物理操作

HY-Embodied 解決了前兩個問題，讓機器人有了真正的”大腦”。

🔧 如何使用？

開源地址：

GitHub：https://github.com/Tencent-Hunyuan/HY-Embodied
HuggingFace：https://huggingface.co/tencent/HY-Embodied-0.5

# 安装
pip install git+https://github.com/huggingface/transformers@...

# 克隆仓库
git clone https://github.com/Tencent-Hunyuan/HY-Embodied
cd HY-Embodied/
pip install -r requirements.txt

# 运行推理
python inference.py

硬件要求：

GPU：至少 16GB VRAM（推薦 NVIDIA GPU）
CPU：支持但較慢
存儲：20GB+（模型約 8GB）

📝 總結

騰訊混元 HY-Embodied-0.5 的開源，標誌着具身智能進入”開源時代”：

2B 版本碾壓同級，適合機器人邊緣部署
32B 版本對標 Gemini 3.0 Pro，適合雲端推理
MoT 架構 + 鏈式推理 + 100M+ 數據的訓練
VLA 應用讓機器人有了真正的”大腦”

這是中國企業在具身智能領域的重大突破。

機器人有了大腦，下一步就看怎麼用了。