当模型理解了因果关系，空间关系、操作方法与纠错经验就能在不同任务间迁移复用。人类经验的长期价值，正是在于它能沉淀出可复用的能力。当前，这套体系正以每月万小时级的速度持续新增，不断为物理智能注入丰富的训练资源。
让数据真正转化为模型能力，还需要打通从"看到"到"做到"的关键一环。PhysBrain 1.5引入的ActionPiece机制，正是解决这一问题的核心组件。它让模型能够同时学习"该怎样行动"和"行动之后可能发生什么"，即同时建模动作生成与状态预测。在团队内部实验中，PhysBrain 1.5的动作预测能力实现了从24%到54%的翻倍提升。
03
72.5分，
拿下开源第一，媲美顶尖闭源
PhysBrain 1.5本轮评测覆盖基础视空感知、空间与多视角理解、具身认知推理、空间指向与可供性、视觉轨迹推理五类能力，共 28 项基准。
结果上，PhysBrain 1.5-8B 以 72.5 的综合均分拿下开源模型榜首，并在 28 项中的 14 项取得开源最佳，10项位列开源模型第二；相较最强开源对手 Hy-Embodied-VLM-1.0（66.0）高出约 6.5 分，较 RynnBrain 1.1（63.1）高出 9.4 分。更受关注的是其整体水位：72.5 与 GPT-6 Astra（73.3）、Gemini 3.6 Flash（73.0）的差距已收窄到 1 分以内。在具身智能的核心能力上，深度机智正与全球最前沿的闭源系统站在同一水位线上竞争。
深度机智同时开放了PhysBrain 1.5 2B 与 8B 两个参数规模的权重，已上线 Hugging Face，为社区验证与下游部署提供入口。（
https://huggingface.co/collections/DeepCybo/physbrain-15）
