Modelo de Fundación Multimodal Nativo
Seele02
Un modelo básico multimodal nativo construido sobre una arquitectura de mezcla de transformadores (MoT).
El texto, 3D y las señales espaciales comparten una representación, con comprensión, generación y edición nativa de varios turnos.
Mezcla de transformadoresTexto · 3D · EspacialListo para el agente
MoT · Arquitectura
Expertos en comprensión y generación,
fusionados por una autoatención global compartida.
Seele02 entrena en un espacio multimodal desde el primer día. Dos redes de expertos (comprensión y generación) mantienen sus parámetros completamente desacoplados, mientras que una única autoatención compartida maneja la alineación y la fusión intermodales.
Autoatención global compartidaAutobús de fusión intermodal
Texto
3D
espacial
Experto en comprensión
Lado razonador, centrado.
Extrae semántica y relaciones del texto, la estructura 3D y las señales espaciales, y proporciona un contexto estable al razonamiento, la planificación, las llamadas a herramientas y la edición de varios turnos.
Experto en generación
Lado generacional, enfocado.
Se especializa en geometría, textura y consistencia espaciotemporal. Las salidas siguen siendo controlables, editables y preservan la identidad en interacciones de varios turnos.
Autoatención compartida
Un autobús global entre modalidades.
Todas las modalidades comparten la misma autoatención global que un autobús universal. Los expertos leen y alinean dentro de un contexto, de extremo a extremo, con información preservada a lo largo de la unión.
Desacoplado · Unificado
Parámetros desacoplados, interfaz unificada.
Los expertos desacoplados brindan rutas de inferencia y capacitación escalables de forma independiente. Una interfaz unificada permite a los agentes en la parte superior mantenerse enfocados en el objetivo mientras el cambio de modalidad ocurre debajo.
Tres Modalidades · Nativo
Tres modalidades, una representación.
El texto, 3D y el espacio comparten un espacio de representación unificado dentro de Seele02, previamente entrenado para la misma atención global. La comprensión, la generación y la edición multiturno entre modos son algo natural.
01texto
Texto
Seguimiento de instrucciones, razonamiento, diálogo de contexto prolongado y uso de herramientas: la columna vertebral semántica del Agente y la lengua franca en todas las modalidades.
- Instrucciones de múltiples vueltas y llamadas de herramientas
- Descripción y explicación intermodal.
- Salidas estructuradas y esquemas de funciones.
023d
3D
Comprender y generar recursos geométricos en una representación nativa 3D. Las ediciones basadas en lenguaje y en varios turnos mantienen estables la geometría, la topología y la identidad de los activos.
- Generación y edición de activos 3D
- Preservación de identidad coherente con la visualización
- Formatos exportables listos para producción
03espacial
espacial
Una vista unificada de las relaciones espaciales, el movimiento de la cámara y la estructura de la escena, para mundos interactivos, planificación espacial y evolución de la escena controlable.
- Relaciones espaciales y gráficos de escenas.
- Trayectorias de cámara y control de puntos de vista.
- Estado mundial persistente y explorable
Un modelo lee una escena 3D, la explica en texto, representa un nuevo punto de vista y edita el diseño espacial a partir de una instrucción en lenguaje natural, todo en un único contexto, de principio a fin.
Modelo base de agente
Uso de herramientas nativas. Un modelo básico para Agentes de propósito general.
El uso de herramientas está integrado en el momento previo al entrenamiento, como la interfaz nativa del modelo. Seele02 impulsa tareas complejas que requieren planificación de varios pasos, decisiones intermodales y llamadas a capacidades externas.
Uso de herramientas nativas
Llamada a funciones nativas. Los argumentos estructurados y los valores de retorno fluyen sin problemas a través del contexto intermodal.
Planificación y edición de varios turnos
El contexto prolongado más la atención intermodal compartida permite a los agentes iterar sobre el mismo activo en múltiples turnos y modalidades.
Decisiones intermodales
Un modelo cambia su base de decisión entre texto, 3D y espacial: una única columna vertebral cubre todas las modalidades.
Identidad de activos estable
Los objetos, escenas y personajes mantienen su identidad a través de interacciones de múltiples turnos y transformaciones intermodales: estables, de un extremo a otro.
Dos SKU · Una base
Línea de modelos.
Dos líneas de productos para diferentes cargas de trabajo. Ambos comparten la misma base MoT y la misma interfaz de agente, por lo que las aplicaciones pueden alternar entre ellos a pedido.
destello
Creado para una interacción de baja latencia.
Optimizado para conversaciones en tiempo real, generación instantánea y llamadas de agentes de alta frecuencia. Menor latencia y mayor rendimiento para experiencias que exigen retroalimentación en menos de un segundo.
- Diálogo multimodal en tiempo real
- Llamadas y orquestación de herramientas de alta frecuencia
- Generación instantánea dentro de la interfaz de usuario del producto
profesional
Diseñado para razonamientos complejos y producción de alta calidad.
Diseñado para planificación a largo plazo, razonamiento de varios pasos y generación de alta fidelidad. Adecuado para procesos de producción de contenido, orquestación de agentes y flujos de trabajo de calidad crítica.
- Razonamiento largo y de varios pasos.
- 3D de alta calidad y generación espacial.
- Orquestación de agentes y colaboración entre múltiples agentes
Construir conSeele02
¿Busca una base nativa para experiencias multimodales de próxima generación? Deje que los productos y agentes piensen, generen y actúen dentro de un marco unificado MoT.
