Uma empresa chinesa de robôs ficou em primeiro lugar em um benchmark omnimodal e não publicou pesos

AgiBot — a Zhiyuan Robotics, de Xangai — anunciou em 28 de julho que seu modelo multimodal nativo para robótica, WITA-Omni Preview, havia conquistado o primeiro lugar global no ranking de compreensão omnimodal DailyOmni, com pontuação composta de 85,21 e vitórias em seis de oito submétricas. Entre os modelos superados estão entradas da Qwen, Google Gemini, ByteDance Doubao e Nvidia, com margens reivindicadas em compreensão audiovisual conjunta e raciocínio temporal.

Thinker, Talker, Actor

A alegação arquitetônica é a parte substantiva. A maioria dos sistemas omnimodais usa uma divisão Thinker-Talker: um componente raciocina, outro fala. A AgiBot acrescenta um terceiro — Actor — para que ações físicas e expressões sejam produzidas como saídas de primeira classe ao lado da fala, em vez de um modelo de chat ser acoplado a um corpo robótico depois. Para uma empresa cujo produto é um robô, e não um assistente, essa ordem é o ponto central.

Como foi treinado

A AgiBot descreve dezenas de milhões de horas de dados multimodais de código aberto e proprietários processados em um pipeline de três etapas: ajuste fino supervisionado, depois destilação de conhecimento, e então otimização por aprendizado por reforço.

O que falta

Quase tudo o que um leitor precisaria para verificar a afirmação. Nenhum número de parâmetros, nenhuma licença, nenhuma disponibilidade. Não há pesos no Hugging Face nem no GitHub sob nenhuma das organizações públicas da AgiBot. A pontuação foi informada pelo laboratório e não foi replicada independentemente — a ressalva padrão, mas que vale registrar de forma explícita quando a alegação é a de uma estreia mundial.

O timing

O anúncio ocorre na mesma semana em que a FCC bloqueou novos robôs humanoides e quadrúpedes produzidos no exterior da autorização de equipamentos nos EUA e dias depois de um ranking de patentes colocar empresas chinesas em seis das dez startups de humanoides mais inovadoras do mundo. O lado de hardware da robótica chinesa está sendo barrado de um mercado, enquanto o lado de modelos publica vitórias em benchmarks.