智元釋出 WITA-Omni 具身全模態互動大模型

據 IT 之家 2026 年 11 月 10 日報道，“智元 AGIBOT”公眾號當晚發文宣佈，智元正式釋出 WITA-Omni（矽光動語全模態大模型），官方稱其為行業首個具身全模態端到端互動大模型。

據官方介紹，WITA-Omni 基於機器人本體感知資料深度訓練，在音影片輸入輸出之外，新增支援觸覺、本體狀態等輸入，以及機器人動作、表情等輸出。該模型基於流式全雙工架構，可邊聽、邊想、邊應、邊動、邊做表情，互動響應最快約 400 毫秒、平均約 600 毫秒，官方稱較業內平均水平快近 3 倍。

此外，WITA-Omni 的全模態拒識能力使機器人互動無需喚醒詞；系統結合對話朝向、影片、音訊、聲紋、唇動、姿態、語義和上下文，判斷當前發言是否需要回應。該模型支援上百種語言和方言的免切換交流，結合全雙工架構實現流式同聲傳譯（語言傳譯和方言傳譯）及雙向互譯，情感表現力也更加擬人。截至目前，官方尚未公佈該模型的開放時間、接入方式或商用計劃等後續資訊。