RynnValue 是面向机器人操作的通用价值基础模型，用语言指令和机器人视频作为输入，为每一帧预测到任务完成的剩余时间，并生成轨迹的自然语言分析，包括视频描述、指令与视频是否匹配、任务是否成功。其时间距离输出可作为进度估计、策略评估与排序、VLA 策略强化学习的奖励信号，或用于行为克隆前的离线数据筛选。

模型基于 RynnBrain，并实现于 Qwen3-VL 架构；输入中包含绝对价值查询组和相对价值查询组，双分布式头分别预测绝对剩余时间和相邻观测间的有符号时间位移，语言模型头负责分析与验证。训练监督来自时间戳、子任务分段和 cutoff relabeling，覆盖 7,000+ 小时、约 3M 个带指令片段的异构具身数据，未使用偏好或进度标注。

RynnValue-4B 在 RBM-EVAL-OOD 上的平均 Kendall's τₐ 为 0.679。配套仓库包含 Hugging Face 兼容模型定义、任意视频加指令的推理演示、Robometer 奖励模型评测与 HTTP reward server，以及面向 LIBERO、RoboTwin 和真实 Franka 机器人的 VLA 策略强化学习流程。