近日，智元AGIBOT微信公众号宣布，智元自研的具身原生全模态大模型WITA-OmniPreview在DailyOmni最新评测中以85.21分的综合成绩登顶榜首，超越了千问、Gemini、豆包、英伟达等国内外领先模型，并在八项细分指标中的六项取得第一。DailyOmni是检验音视频时序对齐、跨模态联合推理能力的权威第三方榜单，它采用真实开放环境音视频素材，考验模型融合视觉画面、环境音频信息的能力。

WITA-OmniPreview的领先得益于其创新的Thinker–Talker–Actor架构，该架构将物理动作和表情提升为与语音并列的一级输出，用一个原生端到端模型统一驱动感知、决策与表达。在训练阶段，WITA-Omni使用了千万小时级的开源和自有多模态数据，将强文本、视觉底座升级为全模态模型，能够进行音画联合推理。智元还构建了以人为中心、面向真实交互场景的大规模高质量全模态数据集，完整保留了声音、画面、语言、动作和表情之间的时序关系，为训练端到端具身交互模型提供了重要支持。