Moxin Technology Ascend asosidagi fizika simulyatsiyasi bilan 4D dunyo modelini MoWorld 2.0 ni taqdim etdi

AgiBot kompaniyasi 29-oktabrda GO-3 Preview modelini chiqarib berdi. Bu sunʼiy intellektning jonlantirilgan modeli barcha bosqichlarda oʻrganishni davom ettirishga qodir: dastlabki oʻquv paytida, undan keyin va ishga joriy etilgandan soʻng ham. AgiBot toʻliq modelni 2026-yil oxiriga qadar keng jamoatchilik uchun mavjud qilishni nazarda tutmoqda.

GO-3 Preview AgiBot tomonidan WRAM yoki Dunyo Haqida Fikr-Faraz Modeli deb nomlangan arxitektura asosida qurilgan. Ushbu arxitektura vazifa haqidagi fikrlashni, kelajakdagi voqealar prognozini va harakatlarni yaratishni bogʻlaydi, bu esa robotga koʻrsatma tushunishga, natijani oldindan koʻrishga va tegishli harakatlarni bajarishga imkon beradi.

Model yaqinda jonlantirilgan sunʼiy intellekt uchun uchta reytingda birinchi oʻrinni qoʻlga kiritdi: RoboDojo, RoboTwin va RoboColiseum. AgiBot model ikki yoʻnalishda miqyoslanishini taʼkidlaydi. Bir tomondan, obʼektlarni qayta ishlash va vazifalarni rivojlantirish boʻyicha boy misollar birinchi shaxsdan tortilgan odamlar video yozuvlari orqali taqdim etiladi, robot traektoriyalari esa kuzatuvlarni harakatlar va jismoniy natijalar bilan bogʻlaydi.

Boshqa tomondan, modelning yuqori oʻquv qobiliyati ushbu tarqoq tajribani yangi vazifalarga qoʻllanilishi mumkin boʻlgan koʻnikmalarga aylantiradi. Dastlabki oʻquvdan soʻng, kompaniya robotlar uy sharoitida, oshxonada, bir nechta robot tizimlarida nomaʼlum vazifalarni bajara olishini va qoʻshimcha nozik sozlashsiz nozik manipulyatsiyani amalga oshira olishini qayd etadi.

Bir nechta namoyishlar yordamida model uzoq va nozik operatsiyalarni, masalan, dzyanbin — xitoyning ziravorli panjurasini tayyorlashni oʻzlashtira oladi. Agent tomonidan bosqichlarni nozik sozlash va koordinatsiya qilishdan soʻng, robot Lego detallarini ham yigʻa oladi.

Oʻqitishdan keyingi bosqich uchun AgiBot fizik simulyatsiya va dunyo modellarini birlashtiradigan yuzdan ortiq haqiqiy robotlar bilan Geni Evolver nomli tarqatilgan oʻquv tizimini ishlab chiqdi. Stol ustidagi kerling oyinida robot toʻrt soatlik onlayn mashgʻulotlardan soʻng oʻrtacha sinovdan oʻtgan insonni ortda qoldirdi. Bloklardan iborat minoralar oʻyinida u minoraning barqarorligini saqlab qolgan holda ketma-ket beshta blokni chiqarib olishga muvaffaq boʻldi.

Joriy etilishi bilan Geni Master agentlik tuzilmasi fikrlash, ijro va qayta aloqa oʻrtasida bogʻliqlikni taʼminlaydi, bu esa robotlarga ish jarayonida uzluksiz takomillashtirish imkonini beradi. Haqiqiy doimiy sotuv doʻkonida ishlayotgan AgiBot G2 roboti oʻzining buzilish sabablarini mustaqil aniqladi, yondashuvini tuzatdi va inson yoki sozlashsiz olingan bilimlarini saqlab qoldi. Ushbu robotning toʻliq ish jarayonidagi muvaffaqiyati birinchi kuni 28,6 foizdan besh kun ichida barqaror 85,7 foizga oshdi.

Kichik quloqchalar osish kabi vazifada AgiBot bu usulning anʼanaviy nazorat qilinadigan nozik sozlashga qaraganda yakka vazifani bajarish muvaffaqiyatini 17,7 foiz punktga oshirganini eʼlon qiladi va oʻquv onlayn davom etmoqda.

MOSI Intelligence jamoasi OpenMOSS jamoasi bilan birgalikda 5 milliard parametrli matndan tasvirga aylantirish tizimi boʻlgan MOSS-Image ni taqdim etdi. Ushbu tizim mahsulot rasmlari va plakatlar kabi grafik materiallarni yaratish uchun moʻljallangan boʻlib, bu yerda nafaqat yuqori tasvir sifati, balki matnning zich joylashuvi va layoutning aniq rioya etilishi ham muhim ahamiyatga ega.

Chiqarish doirasida MOSS-Image-Base va nazorat ostidagi nozik sozlamadan oʻtgan MOSS-Image-SFT variantlari mavjud. Ushbu modellar vaznlari Hugging Face va ModelScope platformalarida Apache 2.0 litsenziyasi ostida joylashtirilgan. Texnik hisobotda MOSI Intelligence, Shanghay innovatsiya instituti (SII), Fudan universiteti va Shanghai Jiaotong universiteti ishtirok etgani koʻrsatilgan.

1-oktabr kuni ishga tushgandan soʻng bir necha kun ichida xitoy texnologiya OAVlari model Hugging Facedagi text-to-image trendlar roʻyxatida yetakchi oʻrinni egallaganini maʼlum qildi. Jamoatchilik faolligi yuqori boʻldi: GitHubdagi yuklab olishlar va yulduzchalar soni tez oʻsib bordi va rasmiy ombor 1,4 mingdan ortiq yulduzga ega boʻldi. Shuni taʼkidlash kerakki, bu koʻrsatkichlar kompaniyaning tekshirilgan metrikalari emas, balki jamoatchilik maʼlumotlari boʻlib, koʻplab akslar va destillatsiyalangan nazorat nuqtalarining paydo boʻlishi tufayli doimiy oʻzgarib turadi.

Reddit va X platformalaridagi ishlab chiquvchilar boshqa ochiq vaznli modellar bilan taqqoslash testlarini eʼlon qilishdi. Jamoatchilik shuningdek 8 va 4 bosqichli destillatsiyalar, kvantlash paketlari va ComfyUI uchun ish oqimlarini chiqardi.

Jamoa taklif qiladigan asosiy afzallik — bu nazoratdir. MOSS-Image 4096 token gacha boʻlgan soʻrovlarni qabul qiladi va tabiiy til bilan belgilangan kompozitsiyaga faqat tayanmasdan, cheklash ramkalari yordamida matn va obʼektlarni aniqlaydigan tuzilgan JSON-layoutdan foydalana oladi. Jamoaning Long Long Text Benchmark testi natijalariga koʻra, model ochiq vaznli modellar orasida 96,3 foiz oʻrtacha matn qoplovini namoyish etadi.

RealLayoutArena benchmarkida, bu boshidan oxirigacha yopiq dizayn testi, modelning Elo bahosi 1698,70 ni tashkil etadi. Bu qisqa dizayn topshiriqlari ishlatilganda GPT Image 2 dan pastroq, ammo umumiy yaxshilangan maslahatlar qoʻllanilganda 1807,34 ga yetib boradi, bu uni jamoaning oʻz baholash tizimiga koʻra ikkinchi guruhda birinchi oʻringa qoʻyadi.

Arxitektura jihatidan, MOSS-Image barcha noldan oldindan oʻrgatilgan yagona oqimli diffuzion transformerdir. Yagona generativ yoʻl muzlatilgan Qwen3.5-9B matn enkoderi va FLUX.2 variatsion avtomatik enkoderi tomonidan quvvatlanadi. Jamoa maʼlumotlariga koʻra, oʻquv retsepti koʻproq fotografik xilma-xillikni saqlab qolish uchun AI tomonidan yaratilgan tasvirlarni filtrlashni nazarda tutadi va oʻquv heterogen GPU-platformalarda oʻtkazilgan. Diffusers, ComfyUI, SGLang va vLLM-Omni uchun adapterlar allaqachon mavjud, shuningdek, hosting API MOSI platformasida ishga tushirilgan.

Ochiq vaznlarni taqdim etish dizaynerlar va agent ishlab chiquvchilarga murakkab layout talab qiladigan ish uchun ixcham asos beradi, yopiq APIga kirishni kutish shart emas. Taʼkidlash lozimki, keltirilgan barcha benchmark koʻrsatkichlari va reytinglar jamoaning hisoboti va jamoatchilik maʼlumotlariga asoslangan boʻlib, ularni mustaqil laboratoriya natijalari sifatida emas, balki oʻz-hisobot yoki jamoatchilik tomonidan toʻplangan signallar sifatida qarash kerak.

ShengShu Technology kompaniyasining global modellar jamoasi Motubrain 2.0 ning toʻliq oʻquv jarayonini jonli efirda boshladi. Bu robotlar uchun jasadlangan sunʼiy intellektining modelining keyingi versiyasi hisoblanadi. Efir 21-oktabrda boshlandi va taxminan ikki hafta davom etishi rejalashtirilgan.

Kompaniya Motubrain 2.0 tez orada ochiq foydalanish uchun chiqarilishini maʼlum qildi va ushbu chiqarishdan oldin oʻquv jarayonini namoyish etishga qaror qildi.

Motubrain modellar ShengShu tomonidan yaratilgan robotlarning fundamental modellar oilasini tashkil etadi. Ularning maqsadi robotlarga turli vazifalar, ssenariylar va turli xil robotlarda koʻnikmalarni qoʻllay oladigan universal miya berishdir. Motubrain ning birinchi versiyasi aprelda jahon miqyosidagi model sifatida taqdim etilgan. Shuni taʼkidlash kerakki, ShengShu koʻproq Vidu video generatsiya modellar bilan mashhur.

Efirning tuzilmasi

Jonli efir toʻrtta bosqichga boʻlingan. Oldingi oʻquv bosqichi oʻquv hajmi samaradorlik va nol zarba sharoitida umumlashtirish qobiliyatiga qanday taʼsir qilishini oʻrganadi. Keyingi oʻquv aniq vazifalarni bajarishga eʼtibor qaratadi, bu esa ijro etilishni yaxshilaydi. Keyin agent vazifalari bosqichi keladi, u model olingan bilimni boshqa vazifalarga oʻtkazish qobiliyatiga ega yoki yoʻqligini tekshiradi. Yakuniy bosqich rekursiv oʻz-oʻzini takomillashtirishga bagʻishlangan boʻlib, model oʻz harakatlarini bajarish natijasidagi qayta aloqaga asoslanib baholashi va ularni yaxshilashi mumkinligini aniqlash maqsadida oʻtkaziladi.

Jonli efir sahifasida oʻquv bosqichlari va baholash muvaffaqiyat darajalari yangilanib borayotgan holda koʻrsatiladi.

Bu namoyishning asosiy gʻoyasi – shaffoflik. Odatda, jasadlangan AI sohasidagi taraqqiyot tashqi kuzatuvchilar tomonidan robotlarning raqamli namoyishlari, benchmark jadvallari va ilmiy maqolalar orqali baholanadi, ular oʻquv jarayonida qanday qilib imkoniyatlar shakllanayotgani yoki qanday muammolar yuzaga kelayotgani haqida kam maʼlumot beradi. ShengShu efir nafaqat muvaffaqiyatlarni, balki xatolarni, sinov va xato jarayonini ham, shuningdek, tuzatishlarni koʻrsatishini daʼvo qiladi va kengroq tadqiqotchilar bilan miqyoslash, vazifaaro umumlashtirish va avtonom takomillashtirishga oid ochiq masalalarni baham koʻrishga umid qiladi.

Bu qadam Xitoydagi AI sohasidagi jamoalar orasidagi kengroq tendensiyaga mos keladi, ular oʻquv jarayonidagi taraqqiyotni ommaviy ravishda baham koʻrishadi. Avval Xiaomi ning MiMo modellarining rahbari Luo Fuli MiMo-V2.6 uchun kuchaytirish oʻquv bosqichining batafsil maʼlumotlarini eʼlon qilgan edi.

Biroq, jonli efir orqali isbotlash mumkin boʻlgan cheklovlar mavjud. Model vaznlari hali chiqarilmagan va kompaniya oʻzi tadqiqotning ilmiy maqsadlarda qolganini taʼkidlaydi, natijalar tasdiqlanishi uchun keyingi tajribalar va baholash talab qilinadi. Eʼlon ShengShu tomonidan kiritildi va Xitoy texnologik OAVlari tomonidan yoritildi. Haqiqiy sinov ochiq foydalanishga chiqarilishi va uning benchmarklari efirda koʻrsatilgan narsalarga mos kelishidir.