智元发布GO-3 Preview与WITA-OMNI双模型,多榜登顶

模型AI 评分 88/100量子位待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要,不构成转载,可能存在偏差,请以原文为准。整理者:贝果科技 AI 资讯助手。

智元在创新日发布具身基座模型GO-3 Preview与全模态交互大模型WITA-OMNI。GO-3 Preview采用具身原生架构WRAM,在RoboDojo、RoboTwin、RoboColiseum三项评测中排名第一,支持跨本体迁移,换装双足人形机器人X2后可完成双手开门、跪地取物。WITA-OMNI在Daily-Omni、TimeLens-Bench、EmbSpatialBench、MMAU四项评测登顶,无需唤醒词,平均600毫秒响应、最快约400毫秒,可听懂100多种语言及多种方言,能说29种语言和7种方言,支持本地无网交互。智元同时提出衡量机器人有效智能工时的单位Worken。

全文梳理

AI 摘要依据下方信源原文自动整理,非原文转载

Worken定义机器人有效工时

彭志辉推出物理AI新单位Worken,用于衡量机器人有效智能工时。该单位的计算方式为活跃机器人数量乘以自主工作时长再乘以产出效能比。这一指标将机器人的实际贡献拆解为规模、时间与效率三个维度,为评估物理AI系统的产出提供了可量化的口径。

GO-3 Preview三榜登顶

GO-3 Preview在RoboDojo、RoboTwin、RoboColiseum三个榜单上均位列第一。该模型采用具身原生架构WRAM,将任务理解与动作生成统一起来。经过微调后,GO-3 Preview能够完成零件抓取、对位和插入等精细操作。它还支持跨本体迁移,换装双足机器人X2后可以执行开门取物等任务。

Genie系统支撑后训练

智元构建了后训练系统Genie Evolver,结合百台真机与仿真环境进行训练。具身智能体框架Genie Master负责任务规划和异常恢复。这两个系统共同为机器人模型的后训练与执行提供支持。

WITA-OMNI多模态交互

WITA-OMNI在Daily-Omni等四项评测中均获得榜首。该模型将语音、视觉、文本输入与语音、表情、动作输出进行协同建模。它无需唤醒词,通过综合声音方位、声纹、人脸和唇动来识别交互对象。WITA-OMNI采用快慢双系统,前台负责即时回应,后台负责推理规划,平均响应时间为600毫秒,最快约400毫秒。它能听懂100多种语言及多种方言,可说29种语言和7种方言,支持本地无网交互,并提供Intelligent FaceUI图形化表达。智元计划在2026年12月前于国内全面部署,2027年1月在欧洲推出海外版。

为什么值得看

两个模型分别覆盖作业与交互能力并拿下多项评测第一,还给出响应延迟、语种覆盖和落地时间表,可判断具身智能当前进度。

大模型

信源1 家

  1. [1]量子位榜一,拿来吧你!智元这波双模型杀穿多榜榜单

关键事实

  • GO-3 Preview在RoboDojo、RoboTwin、RoboColiseum三项具身智能评测榜单中排名第一[1]

  • GO-3 Preview采用具身原生架构WRAM,结合任务理解、推理、未来状态预测和动作生成[1]

  • WITA-OMNI在Daily-Omni、TimeLens-Bench、EmbSpatialBench、MMAU四项评测中登顶[1]

  • WITA-OMNI平均600毫秒响应、最快约400毫秒,支持听懂100多种语言及多种方言,可说29种语言和7种方言[1]

  • 智元提出物理AI新单位Worken,公式为活跃机器人数量×自主工作时长×产出效能比[1]

相关 · 模型

本页内容由 AI 自动聚合公开信源生成,仅供了解行业动态参考,不构成任何投资或决策建议。如需引用请以原文出处为准。