AgiBot — Zhiyuan Robotics, di Shanghai — ha annunciato il 28 luglio che il suo modello multimodale nativo embodied WITA-Omni Preview ha conquistato il primo posto a livello globale nella classifica di comprensione omni-modale DailyOmni, con un punteggio complessivo di 85,21 e vittorie in sei su otto sotto-metriche. Tra i modelli superati figurano proposte di Qwen, Google Gemini, ByteDance Doubao e Nvidia, con margini rivendicati nella comprensione audio-visiva congiunta e nel ragionamento temporale.
Thinker, Talker, Actor
La rivendicazione architetturale è la parte sostanziale. La maggior parte dei sistemi omni-modali usa una separazione Thinker-Talker: un componente ragiona, un altro parla. AgiBot ne aggiunge un terzo — Actor — così che azioni fisiche ed espressioni siano prodotte come output di prima classe insieme al parlato, invece di aggiungere in seguito un modello di chat a un corpo robotico. Per un'azienda il cui prodotto è un robot e non un assistente, questo è il punto centrale.
Come è stato addestrato
AgiBot descrive decine di milioni di ore di dati multimodali open source e proprietari passati attraverso una pipeline in tre fasi: fine-tuning supervisionato, poi distillazione della conoscenza, quindi ottimizzazione con reinforcement learning.
Cosa manca
Quasi tutto ciò che servirebbe a un lettore per verificarlo. Nessun conteggio dei parametri, nessuna licenza, nessuna disponibilità. Non ci sono pesi su Hugging Face o GitHub sotto nessuna delle organizzazioni pubbliche di AgiBot. Il punteggio è riportato dal laboratorio e non è stato replicato in modo indipendente — la consueta avvertenza, ma vale la pena dirlo chiaramente quando la rivendicazione è una prima mondiale.
Il tempismo
Arriva nella stessa settimana in cui la FCC ha bloccato la nuova autorizzazione alle apparecchiature statunitensi per i robot umanoidi e quadrupedi di produzione estera, e pochi giorni dopo che una classifica dei brevetti ha collocato aziende cinesi in sei delle dieci startup di umanoidi più innovative al mondo. Il fronte hardware della robotica cinese viene escluso da un mercato, mentre il fronte dei modelli pubblica vittorie nei benchmark.