智元WITA-Omni全模态大模型在全球权威评测DailyOmni中综合排名第一，六项指标领先，首次在声画对齐、时序判断与跨模态推理全链条建立系统优势；其具身原生架构实现全双工自然交互，补齐机器人‘想说动’一体化能力，标志着智元完成运动、作业、交互‘三智一体’能力闭环，跻身AI大模型第一梯队。
智元机器人自主研发的全模态大模型WITA-Omni，在权威评测基准DailyOmni中以综合得分85.21分荣膺全球第一，全面超越谷歌Gemini、英伟达、千问、豆包等主流通用大模型。该评测聚焦真实开放环境下的音视频联合理解，要求模型在连续时序中精准判断声画对应（86.13分）、事件先后（84.64分）及跨模态因果推理（85.06分），并在30秒/60秒长视频理解、比较式理解等高阶任务中领跑。八项核心指标中六项夺魁，首次在‘感知—时序—推理’全链条建立系统性优势。
尤为关键的是，WITA-Omni并非通用内容模型，而是根植于具身智能场景的原生架构：其‘Thinker–Talker–Actor’三位一体设计，打破传统语音交互流水线式延迟，实现全双工实时语轮切换——听得清、判得准、接得顺、动得自然。在动态对话节奏、打断恢复、附和响应等真实交互维度上，显著优于GPT-Realtime等闭源商用模型。这标志着智元已从机器人本体厂商，跃升为具备全链路AI能力的第一梯队玩家。
此次登顶印证了智元‘三智一体’技术路径的战略正确性：运动智能为基、作业智能提效、交互智能赋感。继WorldArena综合评测第一、GO系列作业模型与运控基座领先后，交互智能的全球登顶，完整勾勒出其面向产线、门店与家庭部署态的生产力闭环。当行业迈入2026年规模化落地关键期，WITA-Omni所代表的‘自然交互力’，正成为衡量具身智能真实价值的新标尺。
来源：智东西