Tras superar a NVIDIA y Google con su modelo de 3B, Om AI lanza el modelo nativo de extremo VLX: parámetros pequeños logran percepción precisa del mundo físico

El 6 de agosto, Om AI Lianhui anunció una financiación de varios cientos de millones de yuanes liderada por Qianhai Mother Fund, y simultáneamente liberó como código abierto VLX-Seek 1.5, descrito como el primer modelo nativo de extremo a extremo del mundo. La empresa posiciona VLX como un enfoque 'nativo de extremo', en contraste con las estrategias dependientes de la nube de NVIDIA, Google y otros. VLX-Seek 1.5 viene en versiones de 3B y 10B parámetros y presenta una arquitectura multimodal de transmisión que procesa flujos de video en tiempo real en el dispositivo, a diferencia del procesamiento por lotes de los VLM tradicionales. En los benchmarks, la versión de 3B superó a LocateAnything-3B de NVIDIA en LVIS Mean (57.5 frente a 50.7), RefCOCOg test Mean (80.2 frente a 76.8) y RefDrone F1 (73.2 frente a 52.3), con mejoras significativas en escenarios de objetos pequeños y vistas de dron. El modelo también introduce una métrica de alucinación de objetivos, logrando tasas más bajas de falsos positivos (FP/GT 18 frente a 71.3). La empresa también destacó su plataforma de agente 'un cerebro, múltiples formas' OmAgent, OttoPlex para escenarios encarnados, OttoBox AI Studio desarrollado con Lenovo y Apple, y el asistente visual portable Homer AI que sirve a casi 100,000 usuarios con discapacidad visual. La liberación del código abierto tiene como objetivo definir un estándar para la IA nativa de extremo en aplicaciones del mundo físico.