Om AI联汇发布VLX：全球首个面向物理世界的端侧流式多模态模型

Om AI联汇发布VLX：全球首个面向物理世界的端侧流式多模态模型

当AI从屏幕走向真实的物理世界，多模态模型正迎来一次架构范式的革新。Om AI联汇正式发布全球首个面向物理世界的端侧流式多模态模型系列——VLX，首次在业界提出“流式多模态”这一全新模型架构。

区别于传统视频理解模型将整段视频切帧后一次性离线处理的方式，VLX系列面向物理世界中持续涌入的视频流，以流式编码与缓存增量推理实现毫秒级实时感知，并首次在端侧打通“持续感知→精准定位→行动决策”的完整闭环。

VLX系列由三款模型协同构成，围绕实时物理智能构建完整能力体系：

• VLX-Flow：负责持续感知，通过增量编码与缓存推理机制，让模型像人一样持续观察环境。
• VLX-Seek：负责精准定位，创新性地将坐标生成转化为区域检索。
• VLX-Go：负责行动执行，将视觉理解转化为机器人可执行的短时航点。

这一范式下，视觉信息以“连续流”方式进入模型，实现“边看边理解、必要时主动行动”。这不是更好的人机对话体验，而是AI自主工作能力的质变。

为应对物理世界的AI必须直面三个刚性约束：时间是连续的、环境是动态变化的、终端算力是资源受限的，VLX系列完全围绕实时视频流与端侧设备原生构建。

以“快（流式推理，单路延迟最低0.06秒）、小（覆盖0.6B至10B规格）、准（细粒度定位）、行（感知执行闭环）”四大优势，实现从持续感知到行动决策的端侧闭环。

来源：量子位