Китайская робототехническая компания заняла первое место в омни-модальном бенчмарке и не опубликовала веса

AgiBot — Zhiyuan Robotics из Шанхая — объявила 28 июля, что её нативная для embodied-моделей мультимодальная модель WITA-Omni Preview заняла первое место в мире в таблице лидеров омни-модального понимания DailyOmni с итоговым результатом 85.21 и победой в шести из восьми подметрик. Среди моделей, которые она обошла, — разработки Qwen, Google Gemini, ByteDance Doubao и Nvidia, а заявленные отрывы касаются совместного аудио-визуального понимания и временного рассуждения.

Thinker, Talker, Actor

Существенная часть — архитектурное утверждение. Большинство омни-модальных систем используют схему Thinker-Talker: один компонент рассуждает, другой говорит. AgiBot добавляет третий — Actor, чтобы физические действия и выражения формировались как полноценные выходные данные наряду с речью, а не чтобы чат-модель просто была впоследствии пристыкована к корпусу робота. Для компании, чей продукт — робот, а не ассистент, именно в этом и состоит смысл такой последовательности.

Как модель обучали

AgiBot описывает десятки миллионов часов открытых и проприетарных мультимодальных данных, прошедших через трёхэтапный пайплайн: дообучение с учителем, затем дистилляцию знаний, затем оптимизацию с помощью обучения с подкреплением.

Чего не хватает

Практически всего, что нужно читателю для проверки. Нет числа параметров, нет лицензии, нет доступности. На Hugging Face или GitHub под любым из публичных аккаунтов AgiBot нет весов. Результат заявлен лабораторией и не был независимо воспроизведён — стандартная оговорка, но её стоит прямо обозначить, когда речь идёт о заявке на мировой рекорд.

Сроки

Это произошло в ту же неделю, когда FCC заблокировала новые произведённые за рубежом гуманоидные и квадрупедальные роботы для получения авторизации оборудования в США, и через несколько дней после рейтинга патентов, согласно которому китайские компании заняли шесть мест в десятке самых инновационных стартапов в сфере гуманоидной робототехники в мире. Аппаратная часть китайской робототехники вытесняется с одного рынка, тогда как её модельная часть публикует победы в бенчмарках.