Athena-Brain技术报告：面向通用智能与具身交互的高效机器人大脑

大语言模型（LLM）在语言理解、推理与世界知识上能力突出。随着具身智能体日益强大，对紧凑模型的需求增长：它要充当端侧大脑，保留LLM的广泛通用智能，同时实现与具身环境的有效高层交互。现有方法常在通用智能与专用具身能力之间二选一，难以在单一模型内满足两者。我们提出Athena-Brain-8B，一个设计为具身智能端侧大脑的8B LLM。经通用监督微调、通用强化学习、具身专家训练与模型合并构成的多阶段后训练管线，Athena-Brain-8B在保持强通用能力的同时获得强的高层具身交互能力，并为高效具身交互生成简洁响应。实验结果显示其在通用与具身两类评估上的有效性：与对应的Qwen3-8B思考模型相比，Athena-Brain-8B在通用语言与推理基准上表现相当，同时生成大幅更短的响应；在域内具身基准上持续超越同规模模型，并零样本超过多个大得多的前沿模型——证明紧凑语言模型能有效融合强通用智能与具身能力。