智元自研全模态大模型登顶 DailyOmni 榜首

智元自研的具身原生全模态大模型 WITA-Omni Preview，在具身全模态理解权威榜单 DailyOmni 中以 85.21 分综合成绩登顶榜首。该模型在八项细分指标中的六项取得第一，超越千问、Gemini、豆包、英伟达等国内外领先模型。

DailyOmni 是检验音视频时序对齐、跨模态联合推理能力的权威第三方榜单，采用真实开放环境音视频素材，核心考验模型融合视觉与音频信息的能力。WITA-Omni 采用 Thinker-Talker-Actor 架构，将物理动作和表情提升为与语音并列的一级输出。

该模型使用千万小时级开源和自有多模态数据进行训练，并构建了以人为中心、面向真实交互场景的大规模高质量全模态数据集，完整保留声音、画面、语言、动作和表情之间的时序关系。