Huawei apresenta TTSE, um framework de agente que separa fatos do ambiente e conselhos

A Huawei apresentou seu assistente de IA como um aplicativo separado na AppGallery para HarmonyOS PC e lançou oficialmente seu agente para trabalhar com tarefas de escritório, conforme relata o IT Home em 6 de novembro. Este aplicativo de desktop possui a versão 11.7.9.300.

Anteriormente, este assistente estava integrado diretamente ao sistema operacional do computador. Agora, sendo um aplicativo separado, ele fornece um canal de distribuição de atualizações fora do pacote do sistema. O IT Home observa que a função Work passou por testes internos ainda em setembro, e o lançamento atual tira este assistente de escritório do período de teste descrito anteriormente.

Os usuários agora podem delegar ao agente tarefas como preparação de apresentações, análise de dados e elaboração de relatórios semanais usando apenas um comando. De acordo com o relatório, o agente divide o objetivo proposto em etapas sequenciais, seleciona as ferramentas necessárias e executa o trabalho, gerando documentos prontos para Word, PowerPoint e Excel, em vez de apenas fornecer uma resposta conversacional.

Na página chinesa de produtos da Huawei, dois modos de operação são descritos: execução em nuvem no PC e execução local no computador. Os usuários podem escolher o ambiente apropriado dependendo do software e dos arquivos que precisam ser processados. A empresa enfatiza que o progresso permanece visível, permitindo que os usuários monitorem pontos de controle importantes, em vez de deixar todas as etapas ao critério do agente.

O serviço também suporta a conexão com várias plataformas de escritório, incluindo DingTalk e Feishu. A Huawei afirma que mais de 200 equipes e especialistas de ponta estão disponíveis no serviço. Estas afirmações são declarações da empresa e não representam uma avaliação independente da qualidade da execução das tarefas.

O smartphone HarmonyOS conectado pode enviar tarefas remotamente para o computador, acompanhar o progresso da execução e receber os resultados concluídos. A Huawei indica que as tarefas podem continuar mesmo depois que o usuário sair do PC, e um telefone pode estar conectado a vários computadores. A execução real depende da disponibilidade do dispositivo, arquivos e ambiente selecionados.

O IT Home informa que o Work opera sob um modelo de assinatura, onde o consumo de tarefas é medido em pontos de IA; trabalhos mais complexos exigem mais pontos. O relatório não fornece preços atuais de assinatura. O novo desenvolvimento é o lançamento da distribuição autônoma para PC e do agente de escritório oficial, o que difere da notícia do Pandaily de 5 de novembro sobre o surgimento do openPangu-2.1-Pro dentro do serviço. A Huawei ainda não confirmou um nome oficial em inglês para este produto Work, destinado ao mercado chinês.

O agente de IA da Huawei, chamado Xiaoyi Work, tornou-se o primeiro produto a integrar o openPangu-2.1-Pro — uma nova versão da família de modelos abertos Pangu da empresa. Isso foi revelado após testes realizados pela publicação IT Home em 5 de novembro. No aplicativo, este modelo é apresentado como um meio para melhorar as tarefas no sistema operacional HarmonyOS.

O surgimento deste modelo ocorreu alguns dias depois que a Huawei Cloud anunciou em 1º de novembro que encerraria a venda dos modelos openPangu-2.0-Flash e openPangu-2.0-Pro em 6 de novembro, desativando-os até a meia-noite de 30 de novembro. Na ocasião, a Huawei informou que novos modelos openPangu estavam planejados e seriam implementados gradualmente.

Detalhes sobre o modelo openPangu-2.1-Pro ainda não foram publicados pela Huawei. Não há informações públicas sobre o número de parâmetros, parâmetros ativos, comprimento do contexto ou dados usados para treinamento. O modelo ainda não foi lançado oficialmente, e a IT Home concluiu que se trata de um desenvolvimento muito novo, disponível exclusivamente dentro do Xiaoyi Work. Para comparação, o modelo anterior, openPangu-2.0-Pro, foi apresentado no início deste ano com um total de 505 bilhões de parâmetros, 180 bilhões de parâmetros ativados esparsamente e uma janela de contexto de 512K, sendo treinado inteiramente no Ascend NPU.

O Xiaoyi Work é posicionado como um assistente baseado em inteligência artificial para executar tarefas de escritório, codificação e criativas em dispositivos HarmonyOS, incluindo telefones, tablets e PCs, e também possui um cliente para Windows. O usuário define um objetivo para o agente, e ele divide a tarefa em etapas, invoca as ferramentas necessárias e executa o trabalho, fornecendo ao usuário progresso visível e pontos de verificação chave. As tarefas podem ser executadas em um PC na nuvem ou em um computador local, sendo que o telefone pode assumir e monitorar o processo de trabalho no PC conectado.

De acordo com uma análise da InfoQ China, este produto foi desenvolvido em colaboração entre a equipe Xiaoyi da Huawei e a comunidade de agentes abertos openJiuwen. O serviço está em versão beta e é pago. Novos usuários recebem 1000 créditos de IA gratuitos por 31 dias; após isso, a tarifa básica custa 49 yuans por mês com renovação automática, e a padrão custa 199 yuans por mês. Os cenários suportados incluem análise de mercado, processamento de documentos, criação de slides, análise de dados, geração de conteúdo e desenvolvimento de código.

O primeiro modelo openPangu-2.1 apareceu dentro do produto de agente, e não no marketplace de modelos em nuvem, sendo seu foco declarado tarefas de agentes em dispositivos HarmonyOS. A Huawei não especificou quando o openPangu-2.1-Pro será lançado oficialmente ou se estará disponível através do Huawei Cloud MaaS.

openJiuwen, um framework de código aberto suportado pela Huawei, lançou o OmniMem-Lens — uma função de memória multimodal na versão 0.2.0 do seu módulo AgentMemory. Esta função permite que agentes de IA memorizem vídeos longos com base em eventos reais, e não em intervalos de tempo fixos, conforme relatado pela QbitAI em 4 de novembro.

A equipe afirma que a abordagem padrão, que consiste em dividir vídeos longos em segmentos de um minuto e armazenar cada um separadamente, prejudica a memória do agente de duas maneiras. Quando uma cena contínua é dividida entre janelas, o agente recebe apenas metade das evidências, o que contribui para alucinações. Além disso, alguns segundos de ação chave misturados com minutos de material irrelevante podem se perder no ruído, diminuindo a precisão da busca.

A maioria dos métodos de segmentação de eventos também depende apenas de um tipo de dado, fazendo com que ignorem mudanças de tópico se a imagem permanecer estática ou mudanças de cena se ninguém estiver falando. O OmniMem-Lens rastreia ambos os fluxos: o trilho visual marca as mudanças de cena, e o trilho de áudio usa reconhecimento de fala para determinar a mudança de tópico pelo falante, mesmo que a tela não tenha mudado. A verificação cruzada dessas duas fontes permite fazer cortes exatamente nos limites dos eventos reais.

Em um exemplo, onde foi mostrada uma visão geral de produto de duas horas, o mesmo esquema arquitetônico foi exibido por 40 minutos, enquanto o orador abordava três tópicos diferentes. O trilho de áudio os dividiu em três memórias, o que permitiu responder a uma pergunta subsequente sobre métricas de teste de carga.

A memória é armazenada em três níveis: L0 armazena o vídeo original, L1 contém memórias no nível de eventos e L2 contém memórias mais detalhadas no nível de segmentos. Os níveis L1 e L2 são totalmente convertidos em texto e vetores, o que permite integrá-los em stacks de geração existentes com amostragem aumentada e bancos de dados vetoriais principais com alterações mínimas. O trabalho principal de organização de dados é realizado offline. Durante uma consulta, o sistema correlaciona a consulta com L1 e L2, extraindo quadros exatos de L0 somente quando a verificação de detalhes visuais é necessária.

Ao testar o OmniMem-Lens em conjunto com Qwen3-VL-8B contra a resposta direta do Qwen3-VL-8B a partir do vídeo, a precisão de recuperação de informações aumentou em 8% no Video-MME-L e em 6,4% no LVBench. O maior aumento, de 45,7%, foi alcançado no EgoLife-QA, um conjunto de dados de primeira pessoa que registra um dia inteiro de vida cotidiana, onde o corte fixo frequentemente falha. No LVBench, o tempo de resposta em modo online diminuiu de 34,5 segundos para 1,72 segundos, cerca de 20 vezes mais rápido, e a equipe estima uma redução máxima de latência de 97%.

O código-fonte do projeto está disponível no GitCode com um espelho no GitHub sob a licença Apache-2.0. A equipe relata que o openJiuwen WorkSwarm em breve começará a suportar AgentMemory, o que permitirá memorizar e relembrar vídeos trocados em conversas cotidianas durante discussões posteriores.