Agente de IA Xiaoyi Work da Huawei utiliza pela primeira vez o modelo openPangu-2.1-Pro para aprimorar tarefas do HarmonyOS

A DeepBlue Technology lançou o Wowoker em 29 de outubro, um telefone corporativo desenvolvido em parceria com a Huawei. A empresa chinesa, especializada em inteligência artificial, posiciona este dispositivo como o primeiro telefone de trabalho do mundo com um grande modelo de agente.

De acordo com informações da DeepBlue, o dispositivo funciona com chips Huawei Kirin, utiliza hardware da Huawei e o sistema operacional HarmonyOS, integrado ao grande modelo multimodal da DeepBlue, seu Modelo de Decisão e o sistema de orquestração de agentes AgentOS.

A Huawei forneceu o ecossistema HarmonyOS, a base de adaptação de hardware e os fundamentos de segurança corporativa, oferecendo 12 modelos de telefones para adaptação. Isso permite selecionar o equipamento adequado para equipes de dez pessoas até grupos que adquirem centenas de dispositivos.

Foco do Dispositivo em Vendas

O telefone é orientado exclusivamente para equipes de vendas, e não para consumidores finais. Os agentes integrados executam tarefas de captação de clientes, chamadas de saída automatizadas e análise de intenções de compra. O agente de geração de leads recebe configurações de setor e palavras-chave do gerente, em seguida, procura potenciais clientes no Xiaohongshu, WeChat e Douyin, iniciando um diálogo com eles.

A DeepBlue informou que, durante testes com um cliente inicial, a comunidade OPC da Greenland, o agente conseguiu processar mais de 200 leads potenciais em meio dia, dos quais mais de 50 levaram a uma conversa substancial. Na apresentação, foi demonstrado o funcionamento do agente de IA, que ligava para os pais para confirmar a idade da criança, oferecia uma aula experimental e organizava a comunicação subsequente via WeChat.

Funcionalidades adicionais incluem a capacidade de receber e fazer chamadas com voz que imita a voz do proprietário, publicação de conteúdo em várias plataformas, marcação de clientes e triagem de leads. No lado da gestão, todas as chamadas, mensagens de texto e chats no WeChat, WeCom, Feishu e Douyin são criptografados e sincronizados com a nuvem da empresa. Além disso, a IA realiza verificações de qualidade, sinalizando formulações incorretas em tempo real.

Os dados de contato dos clientes e os IDs no WeChat são armazenados apenas no backend da empresa, portanto, os vendedores veem detalhes mascarados, não podem excluir o histórico de conversas nem salvar contatos pessoalmente. Em caso de demissão de um funcionário, os dispositivos podem ser desativados remotamente.

Razões para a Escolha da Solução de Hardware

Quando questionada sobre o motivo de criar hardware em vez de um aplicativo, a DeepBlue explicou que uma parte significativa do trabalho da equipe de vendas ocorre dentro de aplicativos de terceiros, onde o software em nuvem é limitado por permissões e interfaces do sistema. O telefone, por outro lado, garante a adaptação no nível do fornecedor e mantém parte dos dados no próprio dispositivo para processamento. O presidente Chen Haibo observou que clientes empresariais com necessidades reais têm maior probabilidade de receber suporte de grandes plataformas.

Em relação às preocupações sobre chamadas insistentes, a empresa declarou que o sistema possui regras internas que bloqueiam chamadas de saída de alta frequência, encerram o contato se o cliente recusar explicitamente e permitem que a pessoa assuma o controle a qualquer momento.

O Wowoker não é vendido separadamente; as empresas adquirem um pacote de serviços de agente de três anos, que inclui o telefone. O custo deste pacote é de 5.299 yuans ou 4.999 yuans no início, sem taxas adicionais durante todo o período.

A Huawei Cloud anunciou planos para desativar os serviços dos modelos openPangu-2.0-Flash e openPangu-2.0-Pro em sua plataforma MaaS (Model as a Service). De acordo com o aviso de desativação dos modelos, esses serviços deixarão de ser vendidos em 6 de novembro, horário de Pequim, e serão completamente desativados em 30 de novembro.

A IT Home relatou este aviso, publicado no site de suporte da Huawei Cloud em 3 de novembro. De acordo com o cronograma, novos usuários não poderão adquirir ou ativar os serviços mencionados após 6 de novembro, mas os clientes existentes manterão a capacidade de usá-los até o final do mês. Após 30 de novembro, o acesso a ambos os modelos será encerrado tanto para novos quanto para usuários antigos. O aviso lista esses serviços na região CN Southwest-Guiyang1 da Huawei Cloud.

A empresa sugere substituições recomendadas para cada modelo. Usuários do openPangu-2.0-Flash versão 20260630 são recomendados a migrar para o DeepSeek-V4.1-Flash-1017, enquanto os usuários do openPangu-2.0-Pro versão 20260730 são direcionados ao GLM-5.3 da Zhipu. A Huawei Cloud enfatiza que os modelos diferem em capacidades, parâmetros de API, precificação e desempenho em tarefas reais, e aconselha os clientes a estudar a documentação e realizar sua própria avaliação antes de mudar.

O guia de migração indica que os clientes que utilizam a API padrão MaaS V1 precisarão migrar para um endpoint compatível com a OpenAI, enquanto aqueles que já usam a API V2 ou uma interface compatível com a OpenAI só precisam alterar o parâmetro do modelo.

Segundo a IT Home, a Huawei Cloud planeja lançar uma nova geração de modelos openPangu de forma gradual, mas ainda não divulgou seus nomes ou prazos. Esses dois modelos foram alguns dos maiores lançamentos abertos da Huawei neste ano: o openPangu-2.0-Flash com 92 bilhões de parâmetros foi lançado no final de junho, e o modelo esparso openPangu-2.0-Pro com 505 bilhões de parâmetros, treinado em NPUs Ascend, foi lançado no final de julho. Em setembro, a Huawei também lançou o código para pré-treinamento, ajuste fino controlado e treinamento por reforço para esta série. No entanto, o aviso de desativação se refere apenas aos serviços hospedados MaaS e não afeta os lançamentos abertos.

A troca de modelos na plataforma ocorre frequentemente. No mesmo boletim, a Huawei Cloud planejou desativar o GLM-5.1 em 16 de novembro, substituindo-o pelo GLM-5.3, e também está transferindo os usuários do DeepSeek-V4-Flash para o DeepSeek-V4.1-Flash e desativando o Kimi-K2.6 em 8 de novembro, mencionando também vários modelos Qwen e Wan para desativação.

Anteriormente, em setembro, o DeepSeek-V4-Pro foi desativado, e no verão, várias versões do DeepSeek, Qwen e GLM. Para os clientes MaaS, isso significa que as cargas de trabalho construídas no openPangu-2.0 devem ser migradas para outros modelos hospedados da plataforma, pelo menos até o surgimento da próxima geração de openPangu.

A Xiaomi anunciou o lançamento do modelo Xiaomi-OCR-0, um modelo leve para compreensão de documentos. Os pesos e o código para inferência deste modelo estão disponíveis nas plataformas Hugging Face e GitHub, conforme relatado pela empresa em 30 de outubro.

O modelo possui 0,8 bilhão de parâmetros e foi projetado para executar três tipos de tarefas dentro de um único sistema: análise de documentos, extração de informações chave e respostas a perguntas visuais por OCR.

A funcionalidade de análise inclui o reconhecimento de texto principal, tabelas e fórmulas matemáticas, fornecendo resultados estruturados na ordem de leitura com suporte a formatos nativos Markdown e LaTeX. Para a extração de informações chave, o modelo foca em faturas, recibos, documentos de identidade e formulários comerciais, encontrando campos solicitados e fornecendo o resultado em formato JSON para fluxos de trabalho automatizados.

As respostas a perguntas visuais vão além da simples transcrição, permitindo a pesquisa entre regiões, cálculos numéricos e raciocínio baseado em documentos e gráficos.

Metodologia de Treinamento e Ajuste

A Xiaomi afirma que o modelo é construído com base no modelo Qwen3.5-0.8B-Base e foi treinado com aproximadamente 170 milhões de amostras de OCR e documentos. Os rótulos dos dados foram filtrados através do consenso de vários modelos de OCR especializados, que realizaram verificações mútuas e votaram sobre áreas de texto, tabelas e fórmulas.

Ao trabalhar com tabelas e fórmulas complexas, a equipe utilizou um ciclo de 'previsão, renderização novamente e comparação': os resultados candidatos eram renderizados de volta em imagens e comparados com o original em nível de pixel e estrutura para detectar linhas deslocadas ou caracteres ausentes. Casos sintéticos complexos incluíram texto multilíngue, caligrafia histórica, efeito moiré de tela e iluminação distorcida.

O processo de treinamento ocorreu em três fases: primeiro, fixação textual para alinhar áreas visuais com tokens de texto; em seguida, pré-treinamento contínuo de OCR em dezenas de bilhões de tokens; e, finalmente, aprendizado por reforço para tarefas mistas com recompensas verificáveis, como distância de edição estrutural e pontuações de correspondência de tabela.

Resultados de Teste

No benchmark OmniDocBench v1.6, o modelo obteve uma pontuação de 96,83, ficando em segundo lugar no geral, apenas 0,04 pontos atrás do líder, e tornando-se o primeiro entre os modelos com menos de um bilhão de parâmetros. No teste Real5-OmniDocBench, que simula digitalizações, papel amassado, capturas de tela, mudanças de iluminação e quadros inclinados, o modelo alcançou 95,24 pontos. As métricas no Wild-OmniDocBench foram de 87,94.

O modelo atinge 97,84 no teste de referência de fórmulas UniMER-Test e 92,27 no PubTabNet para avaliação de estrutura de tabelas. Ao calcular a média dos resultados em DocVQA, InfoVQA, ChartQA, OCRBench e TextVQA, ele obtém 83,2 pontos, superando o HunyuanOCR-1.5 com 76,5 e o 8B MiniCPM-V-4.5 com 82,6, embora fique atrás do Qwen3.5-4B com 84,9. Deve-se notar que todos os números apresentados são dados próprios da Xiaomi.

A Xiaomi informa que esta tecnologia já está integrada ao assistente Super XiaoAi em seus telefones, onde é capaz de extrair códigos de resgate, números de fila, detalhes de contas e horários de reuniões diretamente da tela. Além dos pesos do modelo, a Xiaomi fornece aos desenvolvedores uma versão de demonstração no navegador, o serviço MCP e um conjunto de ferramentas Agent Skill.