AgiBot — Zhiyuan Robotics, de Shanghái — anunció el 28 de julio que su modelo multimodal nativo para sistemas encarnados WITA-Omni Preview había alcanzado el primer puesto mundial en la clasificación de comprensión omnimodal DailyOmni, con una puntuación compuesta de 85,21 y victorias en seis de ocho submétricas. Entre las propuestas que superó hay modelos de Qwen, Google Gemini, ByteDance Doubao y Nvidia, con ventajas que, según la empresa, se dieron en la comprensión conjunta audio-visual y en el razonamiento temporal.

Pensador, hablador, actor

La afirmación arquitectónica es la parte sustantiva. La mayoría de los sistemas omnimodales usan una separación Pensador-Hablador: un componente razona y otro habla. AgiBot añade un tercero — Actor — para que las acciones físicas y las expresiones se generen como salidas de primera clase junto al habla, en lugar de acoplar después un modelo de chat a un cuerpo robótico. Para una empresa cuyo producto es un robot y no un asistente, ese orden es precisamente el punto.

Cómo se entrenó

AgiBot describe decenas de millones de horas de datos multimodales de código abierto y propietarios procesados mediante una tubería de tres etapas: ajuste fino supervisado, después destilación de conocimiento y, por último, optimización mediante aprendizaje por refuerzo.

Lo que falta

Casi todo lo que un lector necesitaría para comprobarlo. No hay recuento de parámetros, ni licencia, ni disponibilidad. No hay pesos en Hugging Face ni en GitHub bajo ninguna de las organizaciones públicas de AgiBot. La puntuación procede de un informe de laboratorio y no ha sido replicada de forma independiente; la advertencia habitual, pero conviene decirlo claramente cuando la afirmación es una primicia mundial.

El momento

Llega la misma semana en que la FCC bloqueó la nueva autorización de equipos de EE. UU. para robots humanoides y cuadrúpedos producidos en el extranjero, y días después de que un ranking de patentes situara a empresas chinas en seis de las diez startups de humanoides más innovadoras del mundo. El lado hardware de la robótica china está siendo excluido de un mercado mientras su lado de modelos publica victorias en benchmarks.