3B Model NVIDIA ve Google'ı Geride Bıraktıktan Sonra, Om AI Uç Tarafında Yerel VLX Modelini Tanıttı: Küçük Parametrelerle Fiziksel Dünyanın Hassas Algısı

8 Ağustos'ta Om AI Lianhui, Qianhai Ana Fonu liderliğinde yüz milyonlarca yuan tutarında bir finansman turu duyurdu ve aynı zamanda dünyanın ilk uç taraf yerel modeli olarak tanımlanan VLX-Seek 1.5'i açık kaynak olarak yayınladı. Şirket VLX'i, NVIDIA ve Google gibi şirketlerin bulut bağımlı stratejilerine karşıt olarak 'uç taraf yerel' bir yaklaşım olarak konumlandırıyor. VLX-Seek 1.5, 3B ve 10B parametreli sürümler halinde geliyor ve geleneksel VLM toplu işleme süreçlerinden farklı olarak, cihaz üzerinde gerçek zamanlı video akışlarını işleyen bir akışkan çok modlu mimariye sahip. Kıyaslamalarda, 3B sürümü NVIDIA'nın LocateAnything-3B'sini LVIS Ortalama (57,5'e karşı 50,7), RefCOCOg test Ortalaması (80,2'ye karşı 76,8) ve RefDrone F1 (73,2'ye karşı 52,3) alanlarında geride bıraktı ve küçük nesne ile drone görüşü senaryolarında önemli iyileştirmeler sağladı. Model ayrıca, daha düşük yanlış pozitif oranları (FP/GT 18'e karşı 71,3) elde eden bir hedef halüsinasyon metriği sunuyor. Şirket ayrıca 'tek beyin, çoklu form' ajan platformu OmAgent, gömülü senaryolar için OttoPlex, Lenovo ve Apple ile geliştirilen OttoBox AI Studio ve yaklaşık 100.000 görme engelli kullanıcıya hizmet veren Homer AI giyilebilir görsel asistanını da vurguladı. Açık kaynak yayınlama, fiziksel dünya uygulamalarında uç taraf yerel AI için bir standart tanımlamayı amaçlıyor.