Tencent Yuanbao ilovasi HarmonyOS uchun Hunyuan Hy4 dastlabki versiyasi bilan chiqarildi

TaichuAI kompaniyasi ZDTaichu5.0-9B modelini jamoatchilikka ochiq qildi. Ushbu multimodal fundamental model taxminan 9 milliard parametrga ega va umumiy vizual tushunish, makoniy fikrlash, agent vositalaridan foydalanish va jasadlangan AI sohasidagi tadqiqotlar uchun moʻljallangan.

Model arxitekturasi Qwen3.5-9B tilli backbonini C-RADIOv4-H koʻrish kodlovchisi bilan birlashtiradi. Model matn, shuningdek, istalgan aniqlikdagi bitta yoki bir nechta tasvir va videoni qabul qiladi va 128 ming tokengacha kontekst uzunligini qoʻllab-quvvatlaydi. TMTPost tomonidan sentyabrning 15-ida umumlashtirilgan nashr real dunyodagi makonni idrok etish, turli koʻrinishlar oʻrtasida transformatsiyalar va jasadlangan tizimlar uchun vazifalarni rejalashtirishga qaratilgan edi.

Modelning jamoatchilikdagi kartasiga koʻra, TaichuAI keng koʻlamli vizual vazifalar boʻyicha taxminan 10 milliardli umumiy VLMlar orasida yuqori darajadagi natijalarni namoyish etadi, shuningdek, makoniy, jasadlangan va agent ssenariylarda imkoniyatlarini kengaytiradi. Makon va jasadlanish sohasidagi ajratib koʻrsatilgan koʻrsatkichlarga ViewSpatial 62.50, MMSI-Bench 47.20, MindCube-tiny 78.27, ERQA 48.00 va RoboSpatial 56.00 kiradi.

Agentlar va koʻrsatmalar toʻplamlari borasida, baholash kartasidagi izohlarida koʻrsatilganidek, TAU2-Bench 87.70 natijaga erishadi, Claw-Eval ning oʻrtacha koʻrsatkichi esa 71.40 ni tashkil etadi, shu bilan birga IFEval 93.70 ni koʻrsatadi. Entropiya-prioritetli adaptiv rekursiv fikrlash mexanizmi murakkabroq tokenlar uchun latent oʻzgaruvchilarni aniqlash qoʻshimcha bosqichlarni taʼkidlovchi mexanizm sifatida tavsiflanadi.

Model imkoniyatlari optik belgilarni tanish (OCR) va hujjatlarni tushunish, tasvirlardagi matematika, nozik ikki oʻlchovli bogʻliqliklar, bir nechta koʻrinishlarni assotsiatsiya qilish, uch oʻlchovli sahnalar va perspektivani idrok etish, shuningdek, uzoq kontekst oynasi doirasida koʻplab tasvir va videolarni kuzatish, jumladan, koʻp bosqichli vositalardan foydalanishni rejalashtirishni qamrab oladi. Shu bilan birga, vositalarni amalda bajarish host-ilova majburiyatida qoladi.

Kartada roʻyxat qilingan makoniy oʻrganish mavzulari nisbiy munosabatlar, zich hisoblash va ramkalar, kamera harakati va chuqurlikni tartiblash, egotsentrik va allotsentrik koʻrinishlar, shuningdek, VLA uslubida moslashish uchun yuqori darajali imkoniyatlarni aniqlash va harakatlarni rejalashtirishni oʻz ichiga oladi.

Model vaznlari Hugging Faceʼda TaichuAI/ZDTaichu5.0-9B manzilida NVIDIA Open Model License litsenziyasi ostida joylashtirilgan, shu bilan birga Qwen3.5 dan Apache-2.0 bildirishnomalarini saqlab qoladi. Xizmat koʻrsatish uchun maxsus vLLM 0.26.0 shakli va TaichuAI ning Docker tasviri OpenAI bilan mos keladigan oxirgi nuqtalarni taʼminlash uchun ishlatiladi, makoniy bogʻlanish va umumiy vazifalar uchun tavsiya etilgan namunaviy sozlamalar bilan.

Boshqa yetkazib beruvchilar tomonidan taqdim etilgan modellar kabi, tashqi laboratoriyalar benchmark natijalarini mustaqil qayta tiklash natijalari paydo boʻlguncha koʻrsatilgan promptlar va hakamlar bilan eʼlon qilingan deb hisoblab koʻrishi kerak. Biroq, oʻrta hajmdagi ochiq multimodal nazorat nuqtasi, makon va agentlarga urgʻu berilishi hamda tayyorlangan vLLM paketlashining birlashmasi tadqiqotchilarga baholash uchun aniq artefaktni taqdim etadi.

Shanghaidagi EBKernel startapi 2026 yildagi Puxiang innovatsiya forumida jismoniy intellekt boʻyicha miya ilhomlangan sessiyada Cog-WM 1.0 ni taqdim etdi. Kompaniya bu chiqarishni pikselni qayta tiklashga emas, balki latent fazoda bashorat qilish asosidagi dunyo kognitiv modeli sifatida joylashtiradi.

Kompaniyaning bayonotiga koʻra, ushbu arxitektura inson kognitiv xaritalaridan tanlab olish konseptlarini oʻz ichiga oladi, masalan, xotirani tanlab yangilash, maqsadga bogʻliq kodlash va bir nechta gorizontlarda bashorat qilish. Bu gʻoyalar JEPA uslubidagi umumiy joylashuv funksiyasi bilan birlashib, robotlarga xom kadrlarni rekonstruksiya qilish oʻrniga abstrakt fazoviy va holat belgilaridan foydalanib rejalashtirish imkonini beradi.

Navigatsiya nuqtai nazaridan, Cog-WM Nav 1.0 modeli oldindan yaratilgan xarita ishlatilmagan holda sinovdan oʻtkazildi. HM3D-ObjectNav kichik toʻplamida EBKernel BSC-Nav bazaviy chiziqiga nisbatan muvaffaqiyat darajasining 78,50% dan 86,89% ga oshganini maʼlum qildi, bu Nature Communications da nashr etilgan. Bu mutlaq 8,39 ballik ortiqchilik (taxminan 10,7% nisbatan)ni tashkil etadi, SPL esa 47,70 dan 48,35 ga oshdi.

Navigatsiya komponenti aniq fazoviy xotirani saqlab qoladi va latent fazoda tadqiqot uchun kichik maqsadlarni bashorat qiladi. Keyin u maqsad semantikasi va yoʻl narxi oʻrtasida muvozanatni saqlaydi, bu ayniqsa maqsad joriy koʻrinish maydonidan tashqarida joylashgan va robot keyinroq qayerga qarashi kerakligini hal qilishi kerak boʻlganda foydalidir.

Manipulyatsion shox, Cog-WM Manip 1.0, koʻp miqyosli holat va qiymat bilan modulatsiyalangan tajribani bashorat qilishni oʻrgatadi, bu qisqa muddatdagi harakatlar taʼsiri va uzoqroq davrdagi vazifa taraqqiyoti oʻrtasida aloqani taʼminlaydi. Yagona reproduksiya protokoli qoʻllanilganda, EBKernel modelining pi0.5 kabi massaviy oldindan oʻrgatilgan bazaviy modellardan uchta asosiy manipulyatsiya maʼlumotlar toʻplami boʻyicha taxminan 16% ustunlikka ega ekanligini taʼkidlaydi, shu jumladan RoboTwin 2.0 ning murakkabroq sozlamalari.

LIBERO-Plus komponentlarning taʼsirini tahlil qilish qoʻshma taʼsirni koʻrsatdi: siyosatning oʻzi deyarli 80%, mahalliy bashorat qilish – 81,6%, koʻp gorizontli bashorat qilish – 82,0%, va toʻliq tizim – 84,6% ga erishdi.

Kompaniya insonoidlar va toʻrt oyoqli hayvonlar uchun xaritasiz navigatsiya, yoʻl rejalashtirish, fazoviy-vaqtli xotirani chiqarish, fazoviy savollarga javob berish (QA) va obyektlarni qidirishni qamrab oladigan joylashtirish imkoniyatlariga ega ekanligini taʼkidlaydi. Manipulyatsiya insonoid dvigatellar ustida sinovdan oʻtkazildi, navigatsiya esa tekshirish yoki patrulash uchun mijoz obʼektlari ustida toʻrt oyoqli hayvonlar bilan belgilandi.

2025-yil oʻrtasida tashkil etilgan EBKernel mahsulot haqidagi tezis sifatida past maʼlumot talabi va yuqori umumlashtirish qobiliyatiga ega boʻlish orqali umr boʻyi oʻqitishni targʻib qiladi. Biroq, tashqi muhitdagi mustaqil chidamlilik koʻrsatkichlari va uzoq gorizontlardagi maydon natijalari kompaniyaning ichki benchmarklari doirasida cheklangan boʻlib, laboratoriyalarga uchinchi tomon ishlari paydo boʻlguncha nashr etilgan SR koʻrsatkichlari va manipulyatsiyadagi oʻzgarishlarni asosiy taqqoslash toʻplami sifatida koʻrib chiqish tavsiya etiladi.