بعد تفوق نموذج 3B على NVIDIA وGoogle، تطلق Om AI نموذج VLX الأصلي للطرفية: معلمات صغيرة تحقق إدراكًا دقيقًا للعالم المادي

في السادس من أغسطس، أعلنت شركة Om AI Lianhui عن جولة تمويل بقيمة عدة مئات من ملايين اليوان بقيادة صندوق Qianhai Mother Fund، وفي الوقت نفسه أصدرت نموذج VLX-Seek 1.5 كمصدر مفتوح، والذي وُصف بأنه أول نموذج أصلي على الجهاز في العالم (End-Side Native Model). وتتبنى الشركة نهج "الأصالة على الجهاز" (end-side native)، في مقابل الاستراتيجيات المعتمدة على السحابة التي تتبناها شركات مثل NVIDIA وGoogle وغيرهما. ويأتي نموذج VLX-Seek 1.5 بإصدارين يضمان 3 مليارات و10 مليارات معلمة (Parameter)، ويتميز ببنية متعددة الوسائط تعمل بأسلوب البث المباشر (streaming multimodal architecture)، حيث يعالج تدفقات الفيديو في الزمن الحقيقي مباشرة على الجهاز، على عكس المعالجة التقليدية للنماذج البصرية-اللغوية (Vision-Language Model - VLM) التي تعتمد على المعالجة بالدُفعات (batch processing). وفي اختبارات القياس المرجعي (benchmarks)، تفوّق إصدار الـ3 مليارات معلمة على نموذج LocateAnything-3B الخاص بـNVIDIA في مقياس LVIS Mean (57.5 مقابل 50.7)، ومقياس RefCOCOg test Mean (80.2 مقابل 76.8)، ومقياس RefDrone F1 (73.2 مقابل 52.3)، مع تحسينات ملموسة في سيناريوهات الأجسام الصغيرة والمشاهد المصوَّرة من منظور الطائرات المسيّرة (drone-view). كما يقدّم النموذج مقياسًا جديدًا لقياس "الهلوسة في تحديد الأهداف" (target hallucination metric)، محققًا معدلات أقل من الإيجابيات الكاذبة (نسبة False Positive إلى Ground Truth، أي FP/GT، بلغت 18 مقابل 71.3). وسلّطت الشركة الضوء أيضًا على منصتها للوكلاء الذكيين (agent platform) المسمّاة OmAgent، والتي تتبع مبدأ "دماغ واحد، أشكال متعددة"، إلى جانب منصة OttoPlex المخصصة لسيناريوهات الذكاء المتجسّد (embodied AI)، واستوديو OttoBox AI Studio الذي طوّرته بالتعاون مع Lenovo وApple، وأخيرًا النظارة الذكية Homer AI المخصصة لمساعدة المكفوفين وضعاف البصر بصريًا، والتي تخدم حاليًا نحو 100 ألف مستخدم. ويهدف هذا الإصدار مفتوح المصدر إلى ترسيخ معيار جديد للذكاء الاصطناعي "الأصلي على الجهاز" في تطبيقات العالم الفعلي.