Après que le modèle 3B a surpassé NVIDIA et Google, Om AI lance le modèle natif VLX côté terminal : de petits paramètres permettent une perception précise du monde physique

Le 6 août, Om AI Lianhui a annoncé un financement de plusieurs centaines de millions de yuans mené par le fonds mère de Qianhai, et a simultanément ouvert le code source de VLX-Seek 1.5, décrit comme le premier modèle natif de périphérie au monde. L'entreprise positionne VLX comme une approche « native de périphérie », contrastant avec les stratégies dépendantes du cloud de NVIDIA, Google et autres. VLX-Seek 1.5 est disponible en versions de 3 milliards et 10 milliards de paramètres et dispose d'une architecture multimodale en streaming qui traite les flux vidéo en temps réel sur l'appareil, contrairement au traitement par lots des modèles de vision-langage traditionnels. Dans les tests de référence, la version 3 milliards a surpassé LocateAnything-3B de NVIDIA dans la moyenne LVIS (57,5 contre 50,7), la moyenne du test RefCOCOg (80,2 contre 76,8) et le F1 de RefDrone (73,2 contre 52,3), avec des améliorations significatives dans les scénarios de petits objets et de vues par drone. Le modèle introduit également une métrique d'hallucination cible, obtenant des taux de faux positifs plus faibles (FP/GT 18 contre 71,3). L'entreprise a également mis en avant sa plateforme d'agents « un cerveau, plusieurs formes » OmAgent, OttoPlex pour les scénarios incarnés, OttoBox AI Studio développé avec Lenovo et Apple, ainsi que l'assistant visuel portable Homer qui sert près de 100 000 utilisateurs malvoyants. L'ouverture du code source vise à définir une norme pour l'IA native de périphérie dans les applications du monde physique.