11 月 10 日晚，机器人公司智元 AGIBOT 通过公众号发布 WITA-Omni（硅光动语）全模态大模型，面向机器人本体训练，支持触觉与本体状态等输入，以及动作、表情等输出。公司称这是一款为物理世界交互而生的模型，让机器人具备听、看、动与表达的一体能力。
在交互架构上，WITA-Omni 采用流式全双工，做到边听、边想、边应、边动、边做表情，减少传统串行处理的等待。官方给出的响应速度最快约 400 毫秒，平均约 600 毫秒，称较业内平均水平快近 3 倍。全模态拒识让机器人无需唤醒词即可自然对话，并能结合朝向、声纹、唇动与姿态判断是否需要回应。
情感表现方面，WITA-Omni 可通过细腻表情与自然头部动作回应，表达开心、惊讶、悲伤等数十种情绪，并支持强度区分。它还能实时在面部屏幕画出复杂内容，辅助讲解。系统支持上百种语言与方言的免切换交流，并基于全双工架构实现流式同声传译与双向互译。
智元把 WITA-Omni 定位为具身智能的交互大脑，强调在真实场合下的自然交互与主动发起互动。对一家以人形机器人为核心产品的公司而言，全模态交互模型补上了让机器人在物理世界里与人顺畅协作的关键一环，也为后续在家庭、商业等场景的落地提供了基础能力。
智元 AGIBOT 发布 WITA-Omni 全模态大模型：让机器人具备为物理世界而生的交互大脑（智元公众号 2026-11-10，一手）
信息来源
智元
WITA-Omni
具身智能
全模态
交互模型
机器人