智元全模态大模型登顶 DailyOmni 榜单，超越千问与 Gemini
智东西 · wechat · 2026-07-29
智元机器人发布全模态大模型 WITA-Omni，在具身全模态理解权威榜单 DailyOmni 上以 85.21 分登顶，超越千问、Gemini、豆包等通用大模型。该模型在音视频对齐、事件时序和跨模态推理等核心指标上表现领先，证明了具身智能厂商在原生交互场景下的技术竞争力。
WITA-Omni 采用 Thinker–Talker–Actor 原生架构，打破了传统机器人串行处理导致的延迟与割裂感。它将动作和表情提升为与语音并列的一级输出，在统一时间轴上实现“边想、边说、边动”的同步表达。此外，模型在千万小时级多模态数据上训练，并通过高质量后训练策略强化了交互决策能力。
在语音交互评测中，WITA-Omni 同样超越了 GPT-Realtime 等模型，展现出卓越的全双工对话能力，能自然处理停顿、轮次切换和打断。这标志着智元在作业、运动和交互“三智一体”的能力版图上完成了关键闭环。
「具身」频道最新
- iPhone Duo 预售火爆：纽约周边门店 3 分钟售罄 — BenBajarin · 2026-10-16
- 马里兰大学提出 PAIR 框架，用桥接 token 打通 VLA 感知与动作 — Kaixi Feng · 2026-10-16
- CI-MSE 离线指标与机器人真机成功率相关性达 -0.87,远超原始 MSE — chris_j_paxton · 2026-10-16
- X 上最值得关注的 15 位机器人研究者名单：Jim Fan 居首 — FinanceYF5 · 2026-10-16
- 双屏概念机「iPhone Duo」被恶搞成明年盯 Agent 神器 — AIFlow_ML · 2026-10-16
- 香港机器人生态观察：Auki 办公室藏着超市级数据采集场 — LoganGrasby · 2026-10-16