RynnValue-8B 是面向机器人操作的通用价值基础模型，输入机器人视频和任务指令，为每一帧预测到任务完成的剩余时间（秒），并生成轨迹分析、指令与视频是否匹配、任务是否成功等自然语言判断。该时间到完成预测可作为进度估计、奖励模型、VLA 策略强化学习 critic，或用于行为克隆前的数据过滤。

模型基于 RynnBrain 视觉语言模型，并实现于 Qwen3-VL 架构；训练目标是时间距离而非偏好或归一化进度，标签由时间戳产生。训练数据规模为 7,000+ 小时、约 3M 个带指令片段，来自 10 个异构数据源，包括 AgiBot、EgoDex、Open X-Embodiment、RoboMIND、RoboTwin 等。

仓库提供 Hugging Face 兼容模型、视频推理演示、Robometer 评测、HTTP reward server，以及用于 π₀ / π₀-FAST / π₀.₅ 的 pi-rl 分支。在 RBM-EVAL-OOD 上，RynnValue-8B 平均 Kendall's τₐ 为 0.704；相关 RL 与过滤式 BC 实验覆盖 LIBERO、RoboTwin 和真实 Franka 机器人。