AI-агент Xiaoyi Work от Huawei впервые использует модель openPangu-2.1-Pro для улучшения задач HarmonyOS

Компания DeepBlue Technology 29 октября запустила Wowoker — корпоративный рабочий телефон, разработанный совместно с Huawei. Китайская компания, специализирующаяся на искусственном интеллекте, позиционирует этот гаджет как первый в мире рабочий телефон с крупной моделью агента.

Согласно информации от DeepBlue, устройство функционирует на чипах Huawei Kirin, использует аппаратное обеспечение Huawei и операционную систему HarmonyOS, интегрированную с мультимодальной крупной моделью DeepBlue, ее Моделью принятия решений и системой оркестрации агентов AgentOS.

Huawei предоставила экосистему HarmonyOS, основы адаптации оборудования и фундаменты корпоративной безопасности, предложив 12 моделей телефонов для адаптации. Это позволяет подобрать подходящее оборудование для команд от десяти человек до групп, приобретающих сотни устройств.

Направленность устройства на работу с продажами

Телефон ориентирован исключительно на команды продаж, а не на конечных потребителей. Встроенные агенты выполняют задачи по привлечению клиентов, автоматизированным исходящим звонкам и анализу намерений покупателей. Агент по генерации лидов принимает настройки отрасли и ключевых слов от менеджера, затем ищет потенциальных клиентов в Xiaohongshu, WeChat и Douyin, инициируя с ними диалог.

DeepBlue сообщила, что в ходе тестирования с ранним клиентом, сообществом OPC компании Greenland, агент смог обработать более 200 потенциальных лидов за полдня, из которых более 50 привели к содержательному общению. На презентации была продемонстрирована работа ИИ-агента, который звонил родителю для подтверждения возраста ребенка, предлагал пробный урок и организовывал последующее общение через WeChat.

Дополнительные функции включают возможность принимать и совершать звонки голосом, имитирующим голос владельца, публикацию контента на различных платформах, маркировку клиентов и скрининг лидов. На стороне управления все звонки, текстовые сообщения и чаты в WeChat, WeCom, Feishu и Douyin шифруются и синхронизируются с облаком компании. При этом ИИ проводит проверки качества, отмечая некорректные формулировки в режиме реального времени.

Контактные данные клиентов и ID в WeChat хранятся только на бэкенде компании, поэтому продавцы видят замаскированные детали, не могут удалять историю чатов и не сохранять контакты в личном порядке. При увольнении сотрудника устройства могут быть удаленно отключены.

Причины выбора аппаратного решения

Когда его спросили о причине создания аппаратного обеспечения вместо приложения, DeepBlue объяснила, что значительная часть работы отдела продаж происходит внутри сторонних приложений, где облачное программное обеспечение ограничено системными разрешениями и интерфейсами. Телефон же обеспечивает адаптацию на уровне вендора и сохраняет часть данных на самом устройстве для обработки. Председатель Чэнь Хайбо отметил, что бизнес-клиенты с реальными потребностями с большей вероятностью получат поддержку от крупных платформ.

По поводу опасений относительно навязчивых звонков, компания заявила, что система имеет встроенные правила, которые блокируют высокочастотные исходящие вызовы, прекращают контакт, если клиент явно отказывается, и позволяют человеку взять управление в любой момент.

Wowoker не продается отдельно; компании приобретают пакет услуг агента сроком на три года, который включает телефон. Стоимость этого пакета составляет 5 299 юаней или 4 999 юаней на старте, без дополнительных сборов в течение всего срока.

Huawei Cloud объявила о планах вывести из эксплуатации сервисы моделей openPangu-2.0-Flash и openPangu-2.0-Pro на своей платформе MaaS (Model as a Service). Согласно уведомлению о выводе моделей, эти сервисы перестанут продаваться 6 ноября по пекинскому времени, а полностью будут отключены 30 ноября.

IT Home сообщил об этом уведомлении, опубликованном на сайте поддержки Huawei Cloud 3 ноября. В рамках графика, новые пользователи не смогут приобрести или активировать указанные сервисы после 6 ноября, однако существующие клиенты сохранят возможность их использования до конца месяца. После 30 ноября доступ к обоим моделям будет закрыт как для новых, так и для старых пользователей. Уведомление перечисляет эти сервисы в регионе CN Southwest-Guiyang1 Huawei Cloud.

Компания предлагает рекомендованные замены для каждой модели. Пользователям openPangu-2.0-Flash версии 20260630 рекомендуется перейти на DeepSeek-V4.1-Flash-1017, а пользователи openPangu-2.0-Pro версии 20260730 направляются к GLM-5.3 от Zhipu. Huawei Cloud подчеркивает, что модели различаются по возможностям, параметрам API, ценообразованию и производительности в реальных задачах, и советует клиентам изучить документацию и провести собственную оценку перед переключением.

Руководство по миграции указывает, что клиентам, использующим стандартный API MaaS V1, потребуется перейти на конечную точку, совместимую с OpenAI, тогда как тем, кто уже использует API V2 или интерфейс, совместимый с OpenAI, достаточно изменить только параметр модели.

По данным IT Home, Huawei Cloud планирует выпуск нового поколения моделей openPangu поэтапно, но пока не раскрыла их названия или сроки. Эти две модели были одними из крупнейших открытых релизов Huawei в текущем году: openPangu-2.0-Flash с 92 миллиардами параметров был открыт в конце июня, а sparse-модель openPangu-2.0-Pro с 505 миллиардами параметров, обученная на Ascend NPUs, вышла в конце июля. В сентябре Huawei также выпустила код для предварительного обучения, контролируемой тонкой настройки и обучения с подкреплением для этой серии. При этом уведомление о выводе из эксплуатации касается только размещенных сервисов MaaS и не затрагивает открытые релизы.

Смена моделей на платформе происходит часто. В том же бюллетене Huawei Cloud запланировала вывод из эксплуатации GLM-5.1 16 ноября, заменив его на GLM-5.3, а также переводит пользователей DeepSeek-V4-Flash на DeepSeek-V4.1-Flash и выводит из эксплуатации Kimi-K2.6 8 ноября, при этом также указываются несколько моделей Qwen и Wan для вывода.

Ранее в сентябре были выведены из эксплуатации DeepSeek-V4-Pro, а летом — несколько версий DeepSeek, Qwen и GLM. Для клиентов MaaS это означает, что рабочие нагрузки, построенные на openPangu-2.0, должны быть перенесены на другие размещенные модели платформы, по крайней мере, до появления следующего поколения openPangu.

Компания Xiaomi объявила об открытии модели Xiaomi-OCR-0, представляющей собой легковесную модель для понимания документов. Веса и код для инференса этой модели доступны на платформах Hugging Face и GitHub, как сообщила компания 30 октября.

Модель обладает 0.8 миллиарда параметров и спроектирована для выполнения трех типов задач в рамках одной системы: парсинг документов, извлечение ключевой информации и ответы на визуальные вопросы по OCR.

Функционал парсинга включает распознавание основного текста, таблиц и математических формул, выводя структурированные результаты в порядке чтения с поддержкой нативных форматов Markdown и LaTeX. Для извлечения ключевой информации модель ориентируется на счета-фактуры, чеки, удостоверения личности и деловые формы, находя запрошенные поля и предоставляя результат в формате JSON для автоматизированных рабочих процессов.

Ответы на визуальные вопросы выходят за рамки простого транскрибирования, позволяя выполнять поиск между регионами, проводить числовые расчеты и осуществлять рассуждения на основе документов и графиков.

Методология обучения и тренировки

Xiaomi утверждает, что модель построена на базе модели Qwen3.5-0.8B-Base и была обучена на приблизительно 170 миллионах образцов OCR и документов. Метки данных были отфильтрованы путем достижения консенсуса нескольких экспертных моделей OCR, которые проводили взаимную проверку и голосовали по областям текста, таблиц и формул.

При работе со сложными таблицами и формулами команда использовала цикл «предсказание, повторное рендеринг и сравнение»: кандидатные результаты рендерились обратно в изображения и сравнивались с оригиналом на уровне пикселей и структуры для обнаружения смещенных строк или отсутствующих символов. Синтетические сложные случаи включали многоязычный текст, исторический почерк, эффект моаре экрана и искаженное освещение.

Процесс обучения проходил в три этапа: сначала текстовое закрепление для согласования визуальных областей с текстовыми токенами, затем продолженное предварительное обучение OCR на десятках миллиардов токенов, и, наконец, обучение с подкреплением для смешанных задач с проверяемыми наградами, такими как структурное расстояние редактирования и баллы соответствия таблицам.

Результаты тестирования

На бенчмарке OmniDocBench v1.6 модель показала результат 96.83, заняв второе место в общем зачете, всего на 0.04 балла позади лидера, и став первой среди моделей с параметрами менее одного миллиарда. На тесте Real5-OmniDocBench, который имитирует сканирование, мятую бумагу, снимки экрана, изменения освещения и наклоненные кадры, модель набрала 95.24 балла. Показатели на Wild-OmniDocBench составили 87.94.

Модель достигает 97.84 на эталонном тесте формул UniMER-Test и 92.27 на PubTabNet для оценки структуры таблиц. При усреднении результатов по DocVQA, InfoVQA, ChartQA, OCRBench и TextVQA, она набирает 83.2 балла, опережая HunyuanOCR-1.5 с 76.5 и 8B MiniCPM-V-4.5 с 82.6, хотя уступает Qwen3.5-4B со счетом 84.9. Следует отметить, что все представленные цифры являются собственными данными Xiaomi.

Xiaomi сообщает, что данная технология уже интегрирована в помощника Super XiaoAi на ее телефонах, где она способна извлекать коды приема, номера очередей, детали счетов и время встреч непосредственно с экрана. Помимо весов модели, Xiaomi предоставляет разработчикам демонстрационную версию в браузере, сервис MCP и набор инструментов Agent Skill.