Modèle Fondamental Multimodal Natif
Seele02
Un modèle fondamental multimodal natif construit sur une architecture Mixture-of-Transformers (MoT).
Les signaux texte, 3D et spatiaux partagent une représentation unique, avec compréhension, génération et édition multi-tours natives.
Mixture-of-TransformersTexte · 3D · SpatialPrêt pour Agent
MoT · Architecture
Des experts de compréhension et de génération,
fusionnés par une auto-attention globale partagée.
Seele02 s'entraîne dans un espace multimodal dès le départ. Deux réseaux d'experts — compréhension et génération — conservent leurs paramètres entièrement découplés, tandis qu'une unique auto-attention partagée gère l'alignement et la fusion transmodale.
Auto-attention Globale PartagéeBus de fusion transmodale
Texte
3D
Spatial
Expert Compréhension
Côté raisonnement, concentré.
Extrait la sémantique et les relations des signaux texte, de la structure 3D et des signaux spatiaux, et fournit un contexte stable au raisonnement, à la planification, aux appels d'outils et à l'édition multi-tours.
Expert Génération
Côté génération, concentré.
Spécialisé en géométrie, texture et cohérence spatiotemporelle. Les sorties restent contrôlables, éditables et préservent leur identité à travers les interactions multi-tours.
Auto-attention Partagée
Un bus global à travers les modalités.
Toutes les modalités partagent la même auto-attention globale comme un bus universel. Les experts lisent et s'alignent dans un contexte unique, de bout en bout, avec les informations préservées à travers la jonction.
Découplé · Unifié
Paramètres découplés, interface unifiée.
Les experts découplés offrent des chemins d'entraînement et d'inférence indépendamment évolutifs. Une interface unifiée permet aux agents situés au-dessus de rester concentrés sur l'objectif pendant que la commutation de modalité s'effectue en dessous.
Trois Modalités · Natives
Trois modalités, une représentation.
Le texte, la 3D et les signaux spatiaux partagent un espace de représentation unifié à l'intérieur de Seele02, pré-entraîné sur la même attention globale. La compréhension, la génération et l'édition multi-tours transmodales se font naturellement.
01text
Texte
Exécution d'instructions, raisonnement, dialogue long contexte et utilisation d'outils — l'épine dorsale sémantique de l'Agent et la lingua franca entre les modalités.
- Instructions multi-tours et appels d'outils
- Description et explication cross-modales
- Sorties structurées et schémas de fonction
023d
3D
Comprendre et générer des actifs géométriques dans une représentation 3D native. Les modifications multi-tours pilotées par le langage maintiennent la géométrie, la topologie et l'identité des actifs stables.
- Génération et édition d'actifs 3D
- Préservation de l'identité cohérente entre les vues
- Formats exportables prêts pour la production
03spatial
Spatial
Une vision unifiée des relations spatiales, du mouvement de la caméra et de la structure des scènes — pour des mondes interactifs, de la planification spatiale et une évolution de scène contrôlable.
- Relations spatiales et graphes de scène
- Trajectoires de caméra et contrôle du point de vue
- État du monde persistant et explorable
Un seul modèle lit une scène 3D, l'explique en texte, rend un nouveau point de vue et édite la disposition spatiale à partir d'une instruction en langage naturel — le tout dans un contexte unique, de bout en bout.
Modèle de base pour Agents
Utilisation native des outils. Un modèle de fondation pour des Agents à usage général.
L'utilisation d'outils est intégrée dès la pré-formation, en tant qu'interface native du modèle. Seele02 pilote des tâches complexes nécessitant une planification multi-étapes, des décisions cross-modales et des appels à des capacités externes.
Utilisation native des outils
Appel de fonction natif. Les arguments structurés et les valeurs de retour circulent de manière transparente dans le contexte cross-modal.
Planification et édition multi-tours
Un contexte long combiné à une attention cross-modale partagée permet aux Agents d'itérer sur le même actif à travers plusieurs tours et modalités.
Décisions cross-modales
Un seul modèle change sa base de décision à travers le texte, la 3D et le spatial — une colonne vertébrale unique couvre toutes les modalités.
Identité d'actif stable
Les objets, scènes et personnages conservent leur identité à travers les interactions multi-tours et les transformations cross-modales — stable, de bout en bout.
Deux SKU · Une seule base
Gamme des modèles.
Deux gammes de produits pour différentes charges de travail. Elles partagent la même base MoT et la même interface Agent, permettant aux applications de basculer entre elles à la demande.
Flash
Conçu pour une interaction à faible latence.
Ajusté pour la conversation en temps réel, la génération instantanée et les appels d'Agent à haute fréquence. Une latence plus faible et un débit plus élevé pour les expériences nécessitant un retour en moins d'une seconde.
- Dialogue multimodal en temps réel
- Appels d'outils à haute fréquence et orchestration
- Génération instantanée dans l'interface produit
Pro
Conçu pour un raisonnement complexe et une production de haute qualité.
Conçu pour la planification à long terme, le raisonnement multi-étapes et la génération haute fidélité. Idéal pour les pipelines de production de contenu, l'orchestration d'agents et les workflows critiques en qualité.
- Raisonnement long et multi-étapes
- Génération 3D et spatiale de haute qualité
- Orchestration d'agents et collaboration multi-agents
Développez avec Seele02
Vous cherchez une base native pour des expériences multimodales nouvelle génération ? Permettez aux produits et agents de penser, générer et agir au sein d'un cadre MoT unifié.
