智元发布 WITA-Omni 具身全模态交互大模型

据 IT 之家 2026 年 11 月 10 日报道，“智元 AGIBOT”公众号当晚发文宣布，智元正式发布 WITA-Omni（硅光动语全模态大模型），官方称其为行业首个具身全模态端到端交互大模型。

据官方介绍，WITA-Omni 基于机器人本体感知数据深度训练，在音视频输入输出之外，新增支持触觉、本体状态等输入，以及机器人动作、表情等输出。该模型基于流式全双工架构，可边听、边想、边应、边动、边做表情，交互响应最快约 400 毫秒、平均约 600 毫秒，官方称较业内平均水平快近 3 倍。

此外，WITA-Omni 的全模态拒识能力使机器人交互无需唤醒词；系统结合对话朝向、视频、音频、声纹、唇动、姿态、语义和上下文，判断当前发言是否需要回应。该模型支持上百种语言和方言的免切换交流，结合全双工架构实现流式同声传译（语言传译和方言传译）及双向互译，情感表现力也更加拟人。截至目前，官方尚未公布该模型的开放时间、接入方式或商用计划等后续信息。