智元WITA-Omni Preview登顶DailyOmni全模态理解榜单，超越Gemini、豆包-另镜网

首页 > 滚动

智元WITA-Omni Preview登顶DailyOmni全模态理解榜单，超越Gemini、豆包

2026-07-29 滚动来源：另镜 483

摘要：WITA-Omni领先的关键，在于它并不是简单地把聊天模型“装进”机器人

【另镜网】7月28日下午消息，近日，具身全模态理解权威榜单DailyOmni最新评测结果揭晓，智元自研的具身原生全模态大模型WITA-Omni Preview以85.21分综合成绩登顶榜首，超过千问、Gemini、豆包、英伟达等国内外领先模型，并在八项细分指标中的六项取得第一。

DailyOmni是行业公认的检验音视频时序对齐、跨模态联合推理能力的权威第三方榜单。该榜单大量采用真实开放环境音视频素材，核心考验模型融合视觉画面、环境音频信息，精准识别声画对应关系、事件先后顺序及跨模态语义的综合能力，高度贴合人形机器人(15.060, 0.21, 1.41%)在真实物理空间开展人机交互所需的核心感知能力。

据悉，WITA-Omni领先的关键，在于它并不是简单地把聊天模型“装进”机器人，而是将物理动作和表情提升为与语音并列的一级输出，用一个原生端到端模型统一驱动感知、决策与表达，从Thinker–Talker范式上进一步扩展出面向具身输出的 Thinker–Talker–Actor 架构。

在中训练阶段，WITA-Omni使用千万小时级多模态数据，将强文本、视觉底座进一步升级为能够“听得见、看得懂，并进行音画联合推理”的全模态模型。

评论区