3B-модель Om AI обходит Nvidia и Google: открыт код VLX-Seek 1.5

Ключевая идея VLX-Seek 1.5 — не просто адаптировать облачную модель для запуска на устройстве, а проектировать модель сразу с учетом ограничений конечных устройств: задержек, энергопотребления и стоимости развертывания. Такой подход назвали «end-side native» — изначально рожденный для физического мира. В отличие от облачных решений NVIDIA, Google или Physical Intelligence, новая модель обрабатывает видео как непрерывный поток, а не отдельные кадры, и способна работать автономно без постоянной связи с сервером.

Несмотря на скромные параметры — версии 3B и 10B, — модель показывает результаты, превосходящие более крупные аналоги. В тестах на обнаружение объектов LVIS Mean ее 3B-версия достигла 57,5 против 50,7 у LocateAnything-3B от NVIDIA. В сценариях с дронов, где объекты малы и удалены, преимущество оказалось еще значительнее: F1 вырос на 40%, а точность — на 62,9%. Особое внимание уделено снижению галлюцинаций: модель умеет отказываться от ответа, если не уверена, что критически важно для безопасности роботов и систем наблюдения.

Om AI联汇 уже внедряет технологию в коммерческие продукты: платформу для роботов «OttoPlex», AI-компаньоны для ПК совместно с Lenovo и Apple, а также носимый ИИ-ассистент для незрячих пользователей, которым пользуются около 100 тысяч человек. Компания делает ставку не просто на выпуск очередной модели, а на создание стандарта для физического ИИ. Как показывает история с Kubernetes, открытый код может стать инструментом захвата инфраструктурной ниши. Теперь в гонке за физический ИИ решает не количество параметров, а способность работать в реальном мире.