Natives multimodales Foundation Model
Seele02
Ein natives multimodales Foundation Model auf Basis einer Mixture-of-Transformers-(MoT-)Architektur.
Text-, 3D- und räumliche Signale teilen sich eine Repräsentation – mit nativem Verstehen, Generieren und Bearbeiten über mehrere Gesprächsrunden.
Mixture-of-TransformersText · 3D · RäumlichAgent-bereit
MoT · Architektur
Experten für Verstehen und Generieren,
verbunden durch gemeinsame globale Self-Attention.
Seele02 trainiert von Anfang an in einem multimodalen Raum. Zwei Expertennetzwerke – Verstehen und Generieren – halten ihre Parameter vollständig getrennt, während eine gemeinsame Self-Attention die modalitätsübergreifende Ausrichtung und Fusion übernimmt.
Gemeinsame globale Self-AttentionModalitätsübergreifender Fusionsbus
Text
3D
Räumlich
Verstehens-Experte
Fokussiert auf Schlussfolgern.
Extrahiert Semantik und Beziehungen aus Text, 3D-Strukturen und räumlichen Signalen und liefert stabilen Kontext für Schlussfolgern, Planung, Tool-Aufrufe und Bearbeitung über mehrere Gesprächsrunden.
Generierungs-Experte
Fokussiert auf Generierung.
Spezialisiert auf Geometrie, Textur und räumlich-zeitliche Konsistenz. Die Ausgaben bleiben steuerbar und bearbeitbar und bewahren ihre Identität über Interaktionen mit mehreren Gesprächsrunden.
Gemeinsame Self-Attention
Ein globaler Bus für alle Modalitäten.
Alle Modalitäten teilen sich dieselbe globale Self-Attention als universellen Bus. Die Experten lesen und synchronisieren sich durchgehend in einem Kontext, wobei Informationen an der Schnittstelle erhalten bleiben.
Entkoppelt · Vereinheitlicht
Entkoppelte Parameter, einheitliche Schnittstelle.
Entkoppelte Experten ermöglichen unabhängig skalierbare Trainings- und Inferenzpfade. Eine einheitliche Schnittstelle lässt darüberliegende Agents auf das Ziel fokussiert bleiben, während der Modalitätswechsel im Hintergrund geschieht.
Drei Modalitäten · Nativ
Drei Modalitäten, eine Repräsentation.
Text, 3D und räumliche Informationen teilen sich in Seele02 einen einheitlichen Repräsentationsraum und werden mit derselben globalen Attention vortrainiert. Modalitätsübergreifendes Verstehen, Generieren und Bearbeiten über mehrere Gesprächsrunden entstehen ganz natürlich.
01text
Text
Befolgen von Anweisungen, Schlussfolgern, Dialoge mit langem Kontext und Tool-Nutzung – das semantische Rückgrat des Agents und die gemeinsame Sprache aller Modalitäten.
- Anweisungen und Tool-Aufrufe über mehrere Gesprächsrunden
- Modalitätsübergreifende Beschreibung und Erklärung
- Strukturierte Ausgaben und Funktionsschemas
023d
3D
Verstehe und generiere geometrische Assets in einer nativen 3D-Repräsentation. Sprachgesteuerte Bearbeitungen über mehrere Gesprächsrunden bewahren Geometrie, Topologie und Asset-Identität.
- Generieren und Bearbeiten von 3D-Assets
- Ansichtsübergreifend konsistente Identität
- Produktionsreife exportierbare Formate
03spatial
Räumlich
Eine einheitliche Sicht auf räumliche Beziehungen, Kamerabewegungen und Szenenstruktur – für interaktive Welten, räumliche Planung und steuerbare Weiterentwicklung von Szenen.
- Räumliche Beziehungen und Szenengraphen
- Kameratrajektorien und Viewpoint-Steuerung
- Persistenter, erkundbarer Weltzustand
Ein Modell liest eine 3D-Szene, erklärt sie als Text, rendert eine neue Ansicht und bearbeitet das räumliche Layout anhand einer natürlichsprachlichen Anweisung – alles durchgehend in einem einzigen Kontext.
Agent-Basismodell
Native Tool-Nutzung. Ein Foundation Model für vielseitige Agents.
Tool-Nutzung ist bereits beim Vortraining integriert und bildet die native Schnittstelle des Modells. Seele02 bewältigt komplexe Aufgaben mit mehrstufiger Planung, modalitätsübergreifenden Entscheidungen und Aufrufen externer Fähigkeiten.
Native Tool-Nutzung
Native Funktionsaufrufe. Strukturierte Argumente und Rückgabewerte fließen nahtlos durch den modalitätsübergreifenden Kontext.
Planung und Bearbeitung über mehrere Gesprächsrunden
Langer Kontext und gemeinsame modalitätsübergreifende Attention ermöglichen Agents, dasselbe Asset über mehrere Runden und Modalitäten hinweg weiterzuentwickeln.
Modalitätsübergreifende Entscheidungen
Ein Modell wechselt seine Entscheidungsgrundlage zwischen Text, 3D und räumlichen Informationen – ein einziges Rückgrat deckt jede Modalität ab.
Stabile Asset-Identität
Objekte, Szenen und Charaktere behalten ihre Identität über Interaktionen mit mehreren Gesprächsrunden und modalitätsübergreifende Transformationen hinweg – durchgehend stabil.
Zwei SKUs · Eine Basis
Modellübersicht.
Zwei Produktlinien für unterschiedliche Workloads. Beide teilen dieselbe MoT-Basis und Agent-Schnittstelle, sodass Anwendungen bei Bedarf zwischen ihnen wechseln können.
Flash
Für Interaktion mit geringer Latenz entwickelt.
Optimiert für Echtzeitgespräche, sofortige Generierung und häufige Agent-Aufrufe. Geringere Latenz und höherer Durchsatz für Erlebnisse, die Feedback in unter einer Sekunde verlangen.
- Multimodaler Dialog in Echtzeit
- Häufige Tool-Aufrufe und Orchestrierung
- Sofortige Generierung innerhalb der Produktoberfläche
Pro
Für komplexes Schlussfolgern und hochwertige Produktion entwickelt.
Entwickelt für langfristige Planung, mehrstufiges Schlussfolgern und hochpräzise Generierung. Geeignet für Content-Produktionspipelines, Agent-Orchestrierung und qualitätskritische Workflows.
- Langes, mehrstufiges Schlussfolgern
- Hochwertige 3D- und räumliche Generierung
- Agent-Orchestrierung und Zusammenarbeit mehrerer Agents
Erstelle mit Seele02
Suchst du ein natives Fundament für multimodale Erlebnisse der nächsten Generation? Lass Produkte und Agents in einem einheitlichen MoT-Framework denken, generieren und handeln.
