凭什么9榜第一？拆解优必选开源具身智能大模型Thinker的实干逻辑

“小参数、高性能、全开源。

9项全球第一，全栈开源。

2026开春，人形机器人第一股优必选正式开源其具身智能大模型Thinker的架构升级版。在英伟达、字节跳动、北京智源等全球顶尖梯队的混战中，Thinker以不到10B的小身板，横扫了空间理解、任务规划等9项核心权威基准。

优必选具身智能大模型Thinker在9项权威基准评测中排名全球第一

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

这不是一次寻常的模型发布。当很多机器人还在实验室里摆弄衣服、分拣胶囊，拍着精美的演示视频时，优必选已经带着搭载Thinker的机器人走进了真正的工厂。

这也并不只是在榜单上拿个第一。它更意味着，整个行业正在重新思考什么是“智能”。过去我们看机器人会不会答题、会不会聊天，而现在我们更关心它能不能在真实环境里把活儿干明白、干踏实。

01.

性能标准：从追求“刷榜冠军”到产线“全勤长工”

在具身智能领域，我们必须戳破一个泡沫：参数量大，不代表脑子好使。

传统的VLA模型多基于互联网视频训练，它们看惯了第三人称的上帝视角，一旦切换到机器人的第一视角，往往会陷入“想得到但抓不准”的空间迷失。

这样的视角错位是致命的，因为现实产线要的不是那种空有逻辑、在试卷上考满分的“学霸”而是能在动态光影和嘈杂背景下，死磕0.1毫米定位偏差的硬核长工。

Thinker的逆袭，本质上是实干智能对表演智能的降维打击。

在涵盖Robovqa和Egoplan-bench2等核心基准的测试中，Thinker斩获了SOTA成果。它解决的是机器人最扎心的三个痛点：视角适配难、视频推理易断片、专属数据荒。

Thinker-4B 全球基准评测实测全榜单数据

这种对比极其犀利。相比Figure、宇树等侧重语言交互或实验室演示的模型，Thinker的每一行代码，目标都极为明确：不是为了在摄影棚里表演，而是为了让机器人在杂乱的工厂环境里精准稳定作业。

02.

Thinker解构：“小体积大能量”的通用大脑是如何炼成的？

为什么Thinker能以小博大？这绝非偶然。它不再单纯依赖暴力堆叠参数，而是重构了具身智能的推理路径。其高性能源于一套可复制的、以数据为中心的工业化训练体系。

优必选具身智能大模型Thinker技术架构图

突破一：数据炼金术，从20B原始荒原到10M黄金数据集

具身智能领域的共识是：数据决定上限。但行业长期面临数据贫血，互联网数据虽多，但大多是看客视角，缺乏物理世界的分寸感。

对此，优必选构建了一套全流程自动化的“精炼提纯”流水线。面对20B规模的原始数据，Thinker先通过定制规则筛选出1%的候选池，再引入大模型进行多维度深度评分。最终淬提炼成出约10M级别的高价值黄金数据集。

配合涵盖“任务-功能-分类-模态”的L4级精细标注标准，Thinker系统地强化了其多维度、高质量的数据供给，能够更精确地理解时空关系与动作序列。换句话说，它不再是站在旁边的看客，而是拥有了真正的三维直觉。

Thinker训练数据类型分布

突破二：极致效能架构，把大脑塞进指尖

在工业产线，0.1秒的延迟就意味着一次事故。Thinker死磕10B以下的小参数架构，核心目标只有一个：实时响应。

相比动辄百亿千亿参数的巨型模型，Thinker以更轻量的体量拿下了9项全球第一。这种精干的架构让部署成本更低，能直接在Walker S2本体算力上实现毫秒级响应。

为了弥合“想得到”与“做得到”之间的鸿沟，Thinker创新地采用“视频+关键帧”联合输入，强化了对动作末尾关键信息的捕捉。它治好了机器人容易遗漏结尾信息的健忘症，确保了操作的每一个微小环节都能精准闭环。

突破三：转动数据飞轮，让机器人越干越老练

真正的强大不是模型发布的瞬间，而是它进入工厂后的自我迭代能力。

优必选创新性打通数据回流机制，让数据飞轮真正转了起来。当Walker S2在工厂分拣工件时，一旦遇到光影畸变、非标件堆叠等失败案例，系统会自动捕获这些异常并反向注入训练集。为了让这种进化不被成本拖垮，优必选通过大模型辅助标注与多模型交叉验证，将人工参与率降至1%以下，成本直降99%。

在这种“标注-训练-反馈-迭代”的闭环中，Thinker进化成了一个深谙产线规则的数字大脑。得益于这颗大脑的精准调度，Walker S2 拥有了老技工般的直觉，在搬运、分拣等实战场景中，实现了99.99%的作业准确率。

具身智能大模型Thinker的应用闭环

03.

全栈开源：以通用底座，为产业按下加速键

优必选开源Thinker，远不止于发布一个模型。此举的核心，是“人形机器人第一股”在深化其软硬一体全栈布局的同时，为行业提供了一个经过工业验证的通用技术底座。

长期以来，具身智能领域评测标准不一，实验室性能与工业场景需求脱节。Thinker的开源，相当于为全球开发者提供了一把基于真实物理世界的标尺，推动技术研发从虚拟演示回归到务实执行。

更具价值的是，面对医疗、能源、物流等碎片化场景，Thinker这个经过工业验证的通用基座，让开发者与企业无需从零“造轮子”，可以“拎包入住”，将精力聚焦于解决行业特有难题，大幅缩短机器人从技术到产品的落地周期。

从更广的视野看，这亦是构建产业生态的关键一步。通过开源，优必选正将中国的制造业场景优势，转化为参与定义全球技术生态的主动权。

具身智能的终极愿景是让机器人融入千行百业，这绝非单一公司能实现。Thinker的开源，正是以开放协作的方式，为整个领域预留了持续迭代与进化的技术空间，为机器人真正走进人类生产与生活的进程，按下了加速键。

开源代码网址：

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

权重链接：

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

论文链接：

https://arxiv.org/abs/2601.21199