#23B+2026 年 7 月 28 日证据 A
智元 硅光动语 WITA-Omni
智元机器人 · 未公开（具身原生）
机器人“看眼色”的全模态大脑
DailyOmni 85.21 分登顶，8 项细分指标 6 项第一。它不是给网页用的模型，而是让机器人判断“谁在说话、该不该回应”。
最后更新于 2026 年 10 月 18 日编辑部评分
结论先行
与传统多模态榜单不可直接比较：它的输入是连续音视频流与物理空间，输出是交互决策。对具身智能团队非常有参考价值，对内容团队则无关。
八维评分拆解
编辑部映射分 · 0–100- 智元 硅光动语 WITA-Omni80.6
权重：视觉 20 / 文档 18 / 图表 14 / 视频 14 / Agent 14 / 生成 6 / 中文 6 / 生态 8。分数含义与证据来源见方法页。
公开基准与数据
按来源口径，不换算| 基准 / 指标 | 数值 | 说明 |
|---|---|---|
| DailyOmni | 85.21 | 综合第一 |
| 细分指标 | 6/8 | 八项中六项第一 |
公开分数来自不同版本与提示词设置，不能与本站综合分直接互换；我们仅将其作为评分证据之一。
场景映射
同一把尺子的五项压力测试| 场景 | 映射分 | 观察 |
|---|---|---|
| 中文票据 OCR | 78 · 非目标场景 | |
| 图表取数 | 76 · 非目标场景 | |
| 30 分钟视频问答 | 90 · 连续音视频流强 | |
| 手机 GUI 操作 | 70 · 不做屏幕操作 | |
| 中文文化理解 | 82 · 服务场景语境 |
优势与局限
优势
- 音视频联合推理与“该不该回应”决策领先。
- 全国首款合规备案的具身交互大模型。
- Thinker–Talker–Actor 端到端架构。
局限
- 不面向通用图文 API。
- 无法独立评测，需机器人本体。
- 生态封闭，价格未公开。
价格与真实成本
关于智元 硅光动语 WITA-Omni
智元 硅光动语 WITA-Omni 是开源的吗？
许可证：闭源，备案商用。不提供公开权重，只能通过厂商 API 或私有化授权使用。
智元 硅光动语 WITA-Omni 的价格是多少？
未公开商用。按本站 8 维评分，它排在第 23 位，综合 80.6 分。实际账单受分辨率、切块、缓存与阶梯折扣影响。
智元 硅光动语 WITA-Omni 最适合什么场景？
人形机器人交互；商业服务机器人；具身智能研究。
为什么 智元 硅光动语 WITA-Omni 的综合分是 80.6？
综合分由 8 个维度按权重加权：视觉 20%、文档 18%、图表 14%、视频 14%、Agent 14%、生成 6%、中文 6%、生态 8%。它的强项是视频与长时序理解，短板是生态、成本与可用性。
个人榜单 · 非官方评分
本页所有排名、分数与对比均为个人评测榜单，不是官方评分，也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射，换一组权重名次就会变。如有不同意见或发现事实错误，欢迎联系站长：jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。