新浪科技讯 10 月 29 日上午消息，智元 AGIBOT 创新日活动上，智元发布行业首个具身全模态端到端交互大模型 WITA-OMNI，围绕机器人感知、交互、自主决策能力，带来多项核心技术升级。

据悉，WITA-OMNI 搭载全双工流式链路架构，经过深度优化，机器人最快响应可达 400 毫秒、平均约 600 毫秒，响应速度较行业主流方案快三倍以上，告别传统大模型交互的迟滞感，实现贴近人类的对话节奏。

模型具备多项核心能力：超强拾音，依托视听协同感知，在多人嘈杂环境中稳定拾取目标语音；全模态拒识，融合声音、唇动、语义、上下文联合理解，支持全程免唤醒交互；全时自主，可独立完成感知、决策、行动与持续交互；极速响应，依靠流式链路与推理优化保障低延迟；同时支持百余种语言、29 种方言无缝切换，具备同声传译、双语互译能力。

现场演示中，搭载该模型的机器人可实时理解环境画面、快速应答算术、常识类问题，流畅完成多语种对话。在智元看来，具身交互是通用人形机器人落地的关键门槛，WITA-OMNI 的落地，将推动机器人从被动执行指令，走向自然、连续、自主的实时交互，为工业、服务等场景规模化商用补齐交互短板。