何が起きたか

AGIBOTは2026年7月28日、WITA-Omni PreviewがDaily-Omniで平均精度85.21%を記録し、Qwen3.5-Omni-Plusなどを抑えて首位になったと発表した。同モデルは音声映像の整合性や比較などで最高スコアを獲得した。

なぜ重要か

ロボットや対話システムの開発者にとって重要なのは、日常場面で音と映像を結び付け、時間の流れに沿って出来事を判断できるかを第三者指標で比べられる点です。AGIBOTの発表によれば、WITA-Omni Previewは684本の実写動画と1197問で構成されるDaily-Omniで、音声映像の整合、出来事の順序、推論などを含む条件下で平均精度85.21%を記録し、複数の他モデルを上回りました。