PhysBrain 1.5 sale con los pesos abiertos y se queda a 0,8 puntos de GPT-6 Astra

Los pesos de PhysBrain 1.5 están publicados desde el 9 de septiembre

PhysBrain 1.5 se publicó el 9 de septiembre de 2026. Desde ese día está en Hugging Face —el repositorio donde se distribuyen y se descargan modelos de inteligencia artificial— con tres piezas a la vez: los pesos, el informe técnico y las herramientas con las que la empresa dice haber medido el modelo. El 14 de septiembre lo recogió la prensa tecnológica china, y con ello han empezado a circular las comparativas de puntuación.

Publicar las tres cosas a la vez no es lo habitual. Los pesos permiten ejecutar el modelo sin pasar por el servicio de nadie; el informe técnico explica cómo está construido; y las herramientas de evaluación son justamente las que hacen falta para que un tercero repita las pruebas y compruebe si le salen los mismos números.

DeepCybo, la empresa de Pekín que firma el modelo

Detrás de PhysBrain 1.5 está DeepCybo (深度机智), una empresa china de inteligencia artificial con sede en Pekín que trabaja en inteligencia encarnada, es decir, en la IA que gobierna máquinas físicas en lugar de conversaciones. PhysBrain 1.5 es su modelo base de inteligencia física.

De su estructura hay poco que se pueda afirmar: no hemos podido establecer quién la financia ni quién la controla, y sin ese dato lo prudente es no atribuirle más respaldo del que se pueda demostrar. Lo que sí es comprobable es lo que ha publicado, que se puede descargar y viene con el código para ponerlo a prueba.

El modelo junta percepción, acción y predicción en una sola arquitectura

A PhysBrain 1.5 no se le pide que escriba texto, sino que interprete lo que capta un robot y decida qué hacer con ello. Integra en una arquitectura unificada tres funciones que en otros sistemas van separadas: la percepción del entorno, la generación de las acciones y la predicción de los estados futuros, esto es, en qué situación quedará todo si el movimiento se ejecuta de una manera y no de otra.

Esa predicción es lo que permite a un sistema así anticipar el resultado de un gesto en vez de limitarse a reaccionar a lo que ya ha pasado. Junto a la versión principal, DeepCybo publica una variante de 2.000 millones de parámetros, más pequeña y por tanto menos exigente con el equipo que la ejecuta.

La distancia con el mejor modelo cerrado se queda en 0,8 puntos

La comparación que difunde DeepCybo se apoya en una puntuación compuesta: la media de resultados sobre 28 bancos de pruebas públicos. PhysBrain 1.5 obtiene 72,5 y encabeza el grupo de los modelos de pesos abiertos evaluados. Por delante solo quedan dos modelos cerrados, GPT-6 Astra con 73,3 y Gemini 3.6 Flash con 73,0.

La tabla conviene leerla sabiendo de dónde sale. Las puntuaciones las declara el fabricante en su propio informe técnico y no hay, por ahora, una evaluación independiente que las haya repetido. Que el código de evaluación esté publicado hace posible esa comprobación, pero posible no es lo mismo que hecha.

Con esa cautela por delante, lo que muestra la comparación es que entre el mejor abierto y el mejor cerrado median 0,8 puntos, mientras que PhysBrain 1.5 saca 6,5 puntos a Hy-Embodied-VLM-1.0 y 9,4 a RynnBrain 1.1, los otros dos modelos abiertos de la lista. La versión reducida, de 2.000 millones de parámetros, marca 66,6 y ya queda por encima de ambos.

Leer más: QbitAI (量子位), medio tecnológico chino ↗