通用大模型在屏幕里越来越强，真正难的是：看懂物理世界之后，能不能给出可执行的动作。近窗，深度机智（DeepCybo）发布物理基座模型PhysBrain 1.5，并在Hugging Face开放约2B与约8B权重。技术叙事是把机器人动作与未来相机视图映射为离散词表token，使视觉语言模型能在同一套表征里完成空间理解、目标导向动作生成与环境演化预测。
深度机智聚焦物理智能与具身基座模型，公开路线强调以人类学习为起点、以动作为中心建模。PhysBrain 1.5以预训练Qwen3-VL为骨干，扩展动作与视觉状态token，宣称可复用Transformers、vLLM等常见推理与后训练工具链——等于尽量不强迫下游重写一整套私有栈。
评测与开放要点（团队公开口径）：
所谓把动作做成词表，白话是让模型像「说下一句话」一样「说下一串动作」；所谓物理基座，白话是先过空间与规划关，再谈能不能接到真机控制器。对开源社区，这提供了可直接跑的对照点；对闭源厂，则意味着开源水位若持续贴身，演示溢价会被压缩。
放在物理智能鸿沟讨论里，行业刚经历一轮「数字侧智商暴涨」，下一棒竞争转向「视觉—规划—动作」是否同框。PhysBrain选择用统一token空间绑住看、想、动，而不是只做聊天式空间问答；竞品若榜单漂亮、真机接不上，采购方会更快回到交付指标。
产业影响上，若第三方复现与真机成功率同步披露，会抬开源物理基座的可信度；若许可与工程文档长期不齐，生产采用会犹豫。需要把边界读清楚：72.5等分数为团队评测协议下的公开数字，不等于第三方终裁。下一观察点是技术报告与评测协议是否完整公开，以及真机操作成功率能否与榜单同步披露。