Приложение Tencent Yuanbao для HarmonyOS выпущено с предварительной версией Hunyuan Hy4

Компания TaichuAI сделала модель ZDTaichu5.0-9B общедоступной. Эта мультимодальная фундаментальная модель имеет приблизительно 9 миллиардов параметров и предназначена для общего визуального понимания, пространственного рассуждения, использования агентских инструментов и исследований в области воплощенного ИИ.

Архитектура модели объединяет языковой бэкбон Qwen3.5-9B с кодировщиком зрения C-RADIOv4-H. Модель принимает на вход текст, а также одно или несколько изображений и видео любого разрешения, поддерживая длину контекста до 128 тысяч токенов. Издание, которое обобщила TMTPost 15 сентября, было сосредоточено на восприятии пространства в реальном мире, преобразованиях между разными видами и планировании задач для воплощенных систем.

Согласно публичной карточке модели, TaichuAI демонстрирует первоклассные результаты среди примерно 10-миллиардных общих VLMs по широкому спектру визуальных задач, а также расширяет свои возможности в пространственных, воплощенных и агентских сценариях. Среди отмеченных показателей в области пространства и воплощенности выделяются ViewSpatial 62.50, MMSI-Bench 47.20, MindCube-tiny 78.27, ERQA 48.00 и RoboSpatial 56.00.

В отношении наборов для агентов и инструкций, указанных в примечаниях к оценке на карточке, TAU2-Bench достигает показателя 87.70, а средний показатель Claw-Eval составляет 71.40, при этом IFEval показывает 93.70. Механизм энтропийно-приоритированного адаптивного рекурсивного рассуждения описывается как механизм, который выделяет дополнительные шаги уточнения латентных переменных для более сложных токенов.

Возможности модели охватывают распознавание оптических символов (OCR) и понимание документов, математику на изображениях, тонкие двумерные взаимосвязи, ассоциацию нескольких видов, восприятие трехмерных сцен и перспективы, а также отслеживание множества изображений и видео в рамках длинного окна контекста, включая планирование многоэтапного использования инструментов. При этом фактическое выполнение инструментов остается обязанностью хост-приложения.

Темы пространственного обучения, перечисленные на карточке, включают относительные отношения, плотный подсчет и рамки, движение камеры и упорядочивание глубины, эгоцентрические против аллоцентрических видов, а также высокоуровневое определение возможностей и планирование действий для адаптации в стиле VLA.

Веса модели размещены на Hugging Face по адресу TaichuAI/ZDTaichu5.0-9B под лицензией NVIDIA Open Model License, сохраняя при этом уведомления Apache-2.0 от Qwen3.5. Для обслуживания используется кастомная ветка vLLM 0.26.0 и образ Docker от TaichuAI для обеспечения конечных точек, совместимых с OpenAI, с рекомендуемыми настройками выборки для пространственной привязки и общих задач.

Как и в случае с другими моделями, представленными вендорами, внешним лабораториям следует рассматривать показатели бенчмарков как заявленные при указанных подсказках и судьях до момента появления результатов независимого воспроизведения. Однако сочетание среднеразмерной открытой мультимодальной контрольной точки, акцента на пространстве и агентах, а также готовой упаковки vLLM предоставляет исследователям конкретный артефакт для оценки.

Шанхайский стартап EBKernel представил Cog-WM 1.0 на сессии по воплощенному интеллекту, вдохновленному мозгом, в рамках Форума инноваций Пуцян в 2026 году. Компания позиционирует этот релиз как когнитивную модель мира, построенную на прогнозировании в латентном пространстве, а не на воспроизведении пикселей.

Согласно заявлению компании, данная архитектура заимствует организационные концепции из человеческих когнитивных карт, такие как избирательное обновление памяти, кодирование, обусловленное целью, и прогнозирование на нескольких горизонтах. Эти идеи сочетаются с целевой функцией совместного встраивания в стиле JEPA, позволяя роботам планировать, используя абстрактные пространственные и состоятельные признаки, вместо реконструкции сырых кадров.

В части навигации, модель Cog-WM Nav 1.0 была протестирована без использования предварительно созданной карты. На подмножестве HM3D-ObjectNav EBKernel сообщила об увеличении показателя успеха с 78,50% до 86,89% по сравнению с базовой линией BSC-Nav, опубликованной в Nature Communications. Это представляет собой абсолютный прирост в 8,39 пункта (примерно 10,7% относительно), а показатель SPL увеличился с 47,70 до 48,35.

Навигационный компонент сохраняет явную пространственную память и прогнозирует подцели для исследования в латентном пространстве. Затем он балансирует между семантикой цели и стоимостью пути, что особенно полезно, когда цель находится вне текущего поля зрения, и роботу необходимо решить, куда смотреть дальше.

Манипуляционная ветвь, Cog-WM Manip 1.0, обучает многомасштабное прогнозирование состояния и опыт, модулированный значением, обеспечивая связь между эффектами действий на коротком горизонте и прогрессом задачи на более длительном отрезке. При использовании единого протокола воспроизведения EBKernel утверждает, что модель превосходит массово предварительно обученные базовые модели типа pi0.5 примерно на 16% по трем основным наборам данных для манипуляций, включая более сложные настройки RoboTwin 2.0.

Анализ влияния компонентов на LIBERO-Plus показал аддитивный эффект: политика сама по себе достигла почти 80%, локальное прогнозирование — 81,6%, многогоризонтное прогнозирование — 82,0%, а полная система — 84,6%.

Компания заявляет о возможностях развертывания, которые охватывают гуманоидов на колесах и четвероногих для навигации без карт, планирования маршрута, извлечения пространственно-временной памяти, пространственного ответа на вопросы (QA) и поиска объектов. Манипуляция была проверена на гуманоидных телах на колесах, а навигация четвероногих отмечена на клиентских объектах для инспекции или патрулирования.

EBKernel, основанная в середине 2025 года, продвигает тезис о продукте, заключающийся в обучении в течение всей жизни с низкой потребностью в данных и высокой обобщающей способностью. Однако независимые показатели долговечности на открытом воздухе и результаты в поле на длинных горизонтах пока остаются ограниченными рамками внутренних бенчмарков компании, поэтому лабораториям рекомендуется рассматривать опубликованные показатели SR и изменения в манипуляции как основной набор для сравнения до появления работ третьих сторон.