11 月 10 日晚，智元 AGIBOT 宣布发布 WITA-Omni 硅光动语全模态大模型，官方称其为行业首个具身全模态端到端交互大模型。
输入输出都进了物理层
模型基于机器人本体感知数据深度训练，除音视频输入输出外新增支持触觉和本体状态输入，以及机器人动作、表情输出。基于流式全双工架构，机器人可以边听、边想、边应、边动、边做表情，交互响应最快约 400 毫秒、平均约 600 毫秒，较业内平均水平快近 3 倍。
不需要唤醒词
全模态拒识让机器人交互不必再等唤醒词，全程自然对话。系统会结合对话朝向、视频、音频、声纹、唇动、姿态、语义和上下文判断当前发言是否需要回应，面对多人交谈或环境广播干扰时降低误触发。模型支持上百种语言和方言的免切换交流，并实现流式同声传译和双向互译。
情绪与可视化
情感表现方面，机器人通过细腻表情和自然的头部动作回应，表达时结合参数化面部表情、声音与肢体动作呈现开心、惊讶、激动、悲伤、满意、痛哭、认真与自信等几十种情绪，同一种情绪还能展现不同强度。模型也会把难以用语言说清的内容实时可视化到面部屏幕上。具身模型的能力分层可以对照 狮子山 Lion-ER-35B-A3B 的评测方式。
延伸阅读
- 上半年具身智能融资322笔935亿：同比增长137%2 周前
- 智元灵渠OS 1.0发布：4微秒时延抖动与2亿行代码年底开源2 周前
- 前三季度GDP同比增长4.6%，工业机器人产量劲增29.1%3 周前
- 菜鸟开放全球仓网：建全球最大 AI 具身智能物流实景集群4 天前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- 蚂蚁 LingBot-Touch 触觉模型开源：成功率涨 26 个点2026-11-10
- Figure AI 招机器人夜班管理员：时薪 45 美元2026-11-10
- 物理智能 Hitch Open 开源：142 拍刷新机器人乒乓纪录2026-11-08