4.5
深览指数
科技微博·量子位··AI 生成
3B模型碾压英伟达谷歌后，Om AI端侧原生VLX模型：小参数实现物理世界
文章介绍了一家名为Om AI联汇的具身智能初创公司，宣称其端侧原生VLX模型在3B参数规模下，多项指标超越英伟达、谷歌等巨头的同类模型。文章将此举类比为AWS开启云计算时代，强调其“端侧原生”而非“端侧部署”的技术路线，核心观点是物理AI的未来在于适应端侧环境的原生架构，而非堆砌云端大模型参数。文章内容为一篇典型的公司融资与产品发布PR软文，信息密度高，但立场单一，缺乏对端侧原生路线局限性和反方观点的讨论。原文 ↗
核心观点
- ▍物理AI的未来在于“端侧原生”模型，其架构设计从诞生起就针对端侧算力、延迟和功耗，而非先训练大模型再压缩部署。
- ▍Om AI联汇的VLX-Seek 1.5模型（3B和10B参数版本）在多个评测中，性能优于英伟达LocateAnything等更大参数规模的模型，证明了端侧原生架构的“以小搏大”效率。
- 01VLX-Seek 1.5采用流式多模态架构，处理视频流而非静态图片，其“Flow（注意力）-Seek（推理）-Go（执行）”的三层心智链路在物理世界更高效。
- 02在通用检测任务LVIS Mean指标上，VLX-Seek 1.5-3B（57.5）比LocateAnything-3B（50.7）提升13.4%。
- 03在无人机视角场景RefDrone测试中，VLX-Seek 1.5-3B的F1指标（73.2）比LocateAnything-3B（52.3）提升40%。
- 04在目标幻觉评测中，VLX-Seek 1.5-3B的FP/GT（18）远低于LocateAnything-3B（71.3），表明其能更有效减少错误目标判断。
- 05Om AI联汇已完成数亿元融资，由前海母基金领投，资本开始为“端侧原生”范式定价。
- 06公司已推出“一脑多形”智能体平台OmAgent，以及面向视障用户的AI视觉中枢Homer AI，旨在构建端侧智能生态。
反方 / 局限
- — 文章仅以自述的评测数据来证明模型优越性，未提供第三方独立评测结果，且对“端侧原生”路线在复杂场景下的泛化能力、训练数据成本、与云端模型协同等潜在局限未作讨论。
- — 文章将自身与AWS和Kubernetes类比，逻辑上存在跳跃，缺乏对自身如何定义行业标准、如何构建真正开放生态的具体论证，更像是一种营销叙事。
10 分钟 · 3 卡片 · 7 资料
读原文 →