Setelah Model 3B Mengungguli NVIDIA dan Google, Om AI Meluncurkan Model VLX Native End-Side: Parameter Kecil Mencapai Persepsi Akurat Dunia Fisik

Pada tanggal 6 Agustus, Om AI Lianhui mengumumkan pendanaan senilai beberapa ratus juta yuan yang dipimpin oleh Qianhai Mother Fund, sekaligus merilis sumber terbuka VLX-Seek 1.5, yang digambarkan sebagai model native sisi-akhir pertama di dunia. Perusahaan memposisikan VLX sebagai pendekatan 'native sisi-akhir', kontras dengan strategi yang bergantung pada cloud dari NVIDIA, Google, dan lainnya. VLX-Seek 1.5 hadir dalam versi parameter 3B dan 10B serta memiliki arsitektur multimodal streaming yang memproses aliran video secara real-time di perangkat, berbeda dengan pemrosesan batch VLM tradisional. Dalam tolok ukur, versi 3B mengungguli NVIDIA LocateAnything-3B pada LVIS Mean (57,5 vs 50,7), RefCOCOg test Mean (80,2 vs 76,8), dan RefDrone F1 (73,2 vs 52,3), dengan peningkatan signifikan pada skenario objek kecil dan tampilan drone. Model ini juga memperkenalkan metrik halusinasi target, mencapai tingkat positif palsu yang lebih rendah (FP/GT 18 vs 71,3). Perusahaan juga menyoroti platform agen 'satu otak, banyak bentuk' OmAgent, OttoPlex untuk skenario embodied, OttoBox AI Studio yang dikembangkan bersama Lenovo dan Apple, serta asisten visual wearable Homer yang melayani hampir 100.000 pengguna tunanetra. Pembukaan sumber ini bertujuan untuk mendefinisikan standar bagi AI native sisi-akhir dalam aplikasi dunia fisik.