AgiBot — Zhiyuan Robotics, basée à Shanghai — a annoncé le 28 juillet que son modèle multimodal natif incarné WITA-Omni Preview avait pris la première place mondiale du classement omni-modal DailyOmni, avec un score composite de 85,21 et des victoires dans six des huit sous-métriques. Parmi les modèles qu’il a devancés figurent ceux de Qwen, Google Gemini, ByteDance Doubao et Nvidia, les marges revendiquées portant sur la compréhension conjointe audio-visuelle et le raisonnement temporel.
Thinker, Talker, Actor
La revendication architecturale est l’élément essentiel. La plupart des systèmes omni-modaux utilisent une séparation Thinker-Talker : un composant raisonne, un autre parle. AgiBot en ajoute un troisième — Actor — afin que les actions physiques et les expressions soient produites comme des sorties à part entière, aux côtés de la parole, plutôt que d’accoler ensuite un modèle de chat à un corps robotique. Pour une entreprise dont le produit est un robot et non un assistant, cet ordre est précisément le point central.
Comment il a été entraîné
AgiBot décrit des dizaines de millions d’heures de données multimodales open source et propriétaires passées par une pipeline en trois étapes : ajustement supervisé, puis distillation des connaissances, puis optimisation par apprentissage par renforcement.
Ce qui manque
Presque tout ce qu’il faudrait à un lecteur pour le vérifier. Aucun nombre de paramètres, aucune licence, aucune disponibilité. Aucun poids n’est publié sur Hugging Face ou GitHub sous l’une des organisations publiques d’AgiBot. Le score est rapporté par le laboratoire et n’a pas été reproduit indépendamment — l’avertissement habituel, mais qui mérite d’être formulé clairement lorsque la revendication est une première mondiale.
Le timing
Cela survient la même semaine où la FCC a bloqué de nouveaux robots humanoïdes et quadrupèdes fabriqués à l’étranger pour l’homologation des équipements aux États-Unis, et quelques jours après un classement des brevets plaçant des entreprises chinoises parmi six des dix start-up humanoïdes les plus innovantes au monde. Le versant matériel de la robotique chinoise est écarté d’un marché tandis que son versant modèle publie des victoires sur les benchmarks.