Xitoy sunʼiy intellekt baholash guruhining SuperCLUE tashkiloti EmbodiedCLUE-VLA reytingining sentyabr nashrini eʼlon qildi. Bu reyting AI modellarining jismoniy vazifalarni bajarish jarayonida rejalashtirish va fikrlash orqali robotning kognitiv yadrosi rolini oʻynash qobiliyatini baholaydi.
Xitoy ishlab chiqarishlari orasida Alibabaʼning Qwen3.8-Max-0902 va ZTEʼning Nebula-EmbodiedBrain modellarining birinchi oʻrinni egallaganligi qayd etildi, ular 77.48 ball kabi bir xil umumiy natija oldi.
Sinovlar toʻrtta asosiy sohani qamrab oladi: asosiy sezgi (vaqtinchalik, obyektli va fazoviy sezgi); vizual fikrlash (matematik, vaqtinchalik, fazoviy va mantiqiy fikrlashni oʻz ichiga oladi); oʻzaro aloqa va rejalashtirish (vazifalarni rejalashtirish va yoʻnalishni rejalashtirishdan iborat); shuningdek, jismoniy xavfsizlik (axloqiy meʼyorlarga rioya qilish, jismoniy xavfsizlik va maxfiylikni himoya qilishni tekshiradi).
SuperCLUE bir ball farq qiladigan modellarni teng deb hisoblaydi va xalqaro modellarini asosiy reytingdan tashqari faqat maʼlumot uchun keltiradi.
Reyting liderlari qanday erishdi
Ikki yetakchi turli yoʻllar bilan bir xil umumiy natijaga erishdi. Qwen3.8-Max-0902 modeli asosiy sezgi (83.33) va vizual fikrlash (84.72) boʻyicha xitoy modellarining eng yaxshi natijalarini koʻrsatdi. Shu bilan birga, Nebula-EmbodiedBrain jismoniy xavfsizlik koʻrsatkichi boʻyicha 97.92 ball toʻplab, Alibaba modelini, u 89.58 ball olganidan ustun qoʻydi.
Ikkala model ham oʻzaro aloqa va rejalashtirish kategoriyasida 39.29 ballni oldi, ammo ZTE modeli vazifalarni rejalashtirishda (Alibaba modelida 28.57 ga qarshi 64.29) katta kuch namoyish etdi, shu bois Alibaba modeli yoʻnalishni rejalashtirishda (14.29 ga qarshi 50) kuchliroq boʻldi.
Xitoy texnologiya nashri MyDrivers hisobotiga koʻra, Alibaba modeli fazoviy-vaqtinchalik xotira qobiliyatiga ega boʻlib, bu unga robot vazifasi toʻxtatilgandan keyin yakunlanmagan ishni eslab qolish imkonini beradi. ZTE versiyasi esa qurilmada joylashtirish va robot apparaturasi bilan moslashuvga qaratilgan boʻlib, bu uni jismoniy mashinalarda ishlash uchun yanada mos keladigan qiladi. Avvalroq ZTE EmbodiedBrain 1.0 ni — jismoniy vazifalarni rejalashtirish uchun koʻrish va til modeli sifatida, 7B va 32B ogʻirliklari bilan Hugging Faceʼda eʼlon qilgan edi.
Reytda keyin 10 milliard yoki undan kam parametrli ochiq modellar keladi. Xiaomiʼning MiMo-Embodied-7B modeli xitoy modellarining ikkinchi oʻrnini 56.95 natijasi bilan egalladi va SuperCLUE ning 10B dan kam modellar uchun alohida reytingiga boshchilik qildi. Uni quyidagilar ergatdi: Alibabaʼning RynnBrain1.1-9B modeli 50.33 ball bilan, keyin BAAIʼning RoboBrain2.5-8B-NV modeli 46.36 ball bilan va Tencentʼning 4B modelidagi HY-Embodied-0.5 modeli 29.14 ball bilan. Ushbu guruhdagi ikkala yetakchi ham API orqali mavjud boʻlgan yopiq modellar hisoblanadi.
Rejalashtirish xitoy ishlab chiquvchilari orasida eng zaif soha boʻlib qolmoqda. Hech bir xitoy modeli oʻzaro aloqa va rejalashtirish kategoriyasida 40 balldan yuqori natija koʻrsatmadi, va toʻrtta ochiq yozuv 14.29 ball yoki undan past natijani koʻrsatdi. Taqqoslash uchun, GPT-6 Astra umumiy 86.75, Gemini-3.8-Flash esa 82.12 ball olgan, shu bilan birga robototexnikaga yoʻnaltirilgan Gemini-Robotics-ER-2-Preview 70.86 ballni olgan.
MyDrivers taʼkidlaganidek, koʻproq kompaniyalar jismoniy miyalarni yaratib borayotganligi sababli, turli sinov toʻplamlari asosidagi reytinglar koʻpincha ziddiyatli natijalar beradi va bu modellar qobiliyatlari kelajakdagi robotlar bajarishi mumkin boʻlgan amaliy ish hajmini sezilarli darajada belgilaydi. SuperCLUE avvalroq ushbu reytingning 2026-yil yanvar va fevral oylaridagi nashrlarini eʼlon qilgan edi.
