Modelo de base multimodal nativo
Seele02
Um modelo de base multimodal nativo construído em uma arquitetura Mixture-of-Transformers (MoT).
Sinais de texto, 3D e espaciais compartilham uma representação, com compreensão nativa, geração e edição multivoltas.
Mistura de TransformadoresTexto · 3D · EspacialPronto para agente
MoT · Arquitetura
Especialistas em compreensão e geração,
fundidos por uma autoatenção global compartilhada.
Seele02 treina em um espaço multimodal desde o primeiro dia. Duas redes de especialistas – compreensão e geração – mantêm seus parâmetros totalmente dissociados, enquanto uma única autoatenção compartilhada lida com o alinhamento e a fusão intermodal.
Autoatenção global compartilhadaÔnibus de fusão intermodal
Texto
3D
Espacial
Compreendendo o especialista
Lado do raciocínio, focado.
Extrai semântica e relacionamentos de texto, estrutura 3D e sinais espaciais e alimenta contexto estável para raciocínio, planejamento, chamadas de ferramentas e edição multivoltas.
Especialista em Geração
Lado da geração, focado.
É especialista em geometria, textura e consistência espaço-temporal. As saídas permanecem controláveis, editáveis e preservam a identidade em interações multivoltas.
Autoatenção compartilhada
Um ônibus global entre modalidades.
Todas as modalidades compartilham a mesma autoatenção global de um ônibus universal. Os especialistas leem e alinham dentro de um contexto, de ponta a ponta, com informações preservadas em toda a extensão.
Desacoplado · Unificado
Parâmetros desacoplados, interface unificada.
Especialistas dissociados fornecem treinamento escalável de forma independente e caminhos de inferência. Uma interface unificada permite que os agentes na parte superior permaneçam focados no objetivo enquanto a mudança de modalidade ocorre na parte inferior.
Três Modalidades · Nativo
Três modalidades, uma representação.
Texto, 3D e espacial compartilham um espaço de representação unificado dentro do Seele02, pré-treinado para a mesma atenção global. A compreensão, geração e edição multimodal entre modos ocorrem naturalmente.
01texto
Texto
Seguimento de instruções, raciocínio, diálogo de longo contexto e uso de ferramentas – a espinha dorsal semântica do Agente e a língua franca em todas as modalidades.
- Instruções multivoltas e chamadas de ferramentas
- Descrição e explicação intermodal
- Saídas estruturadas e esquemas de funções
023d
3D
Entenda e gere ativos geométricos em uma representação 3D nativa. As edições multivoltas orientadas por linguagem mantêm a geometria, a topologia e a identidade dos ativos estáveis.
- Geração e edição de ativos 3D
- Preservação de identidade consistente com visualização
- Formatos exportáveis prontos para produção
03espacial
Espacial
Uma visão unificada de relações espaciais, movimento de câmera e estrutura de cena — para mundos interativos, planejamento espacial e evolução de cena controlável.
- Relações espaciais e gráficos de cena
- Trajetórias de câmera e controle de ponto de vista
- Estado mundial persistente e explorável
Um modelo lê uma cena 3D, explica-a em texto, renderiza um novo ponto de vista e edita o layout espacial a partir de uma instrução em linguagem natural – tudo em um único contexto, de ponta a ponta.
Modelo Base de Agente
Uso de ferramenta nativa. Um modelo básico para agentes de uso geral.
O uso da ferramenta é incorporado no momento do pré-treinamento, como interface nativa do modelo. O Seele02 conduz tarefas complexas que exigem planejamento em várias etapas, decisões intermodais e chamadas para recursos externos.
Uso de ferramenta nativa
Chamada de função nativa. Argumentos estruturados e valores de retorno fluem perfeitamente através do contexto intermodal.
Planejamento e edição multivoltas
O contexto longo e a atenção intermodal compartilhada permitem que os Agentes iterem no mesmo ativo em vários turnos e modalidades.
Decisões intermodais
Um modelo alterna sua base de decisão entre texto, 3D e espacial – um único backbone cobre todas as modalidades.
Identidade de ativo estável
Objetos, cenas e personagens mantêm sua identidade em interações multivoltas e transformações multimodais — estáveis, de ponta a ponta.
Dois SKUs · Uma Base
Linha de modelos.
Duas linhas de produtos para diferentes cargas de trabalho. Ambos compartilham a mesma base MoT e interface de agente, para que os aplicativos possam alternar entre eles sob demanda.
Flash
Construído para interação de baixa latência.
Ajustado para conversação em tempo real, geração instantânea e chamadas de agente de alta frequência. Menor latência e maior rendimento para experiências que exigem feedback em menos de um segundo.
- Diálogo multimodal em tempo real
- Chamadas de ferramentas de alta frequência e orquestração
- Geração instantânea dentro da UI do produto
Pró
Construído para raciocínio complexo e produção de alta qualidade.
Projetado para planejamento de longo horizonte, raciocínio em várias etapas e geração de alta fidelidade. Adequado para pipelines de produção de conteúdo, orquestração de agentes e fluxos de trabalho de qualidade crítica.
- Raciocínio longo e em várias etapas
- 3D de alta qualidade e geração espacial
- Orquestração de agentes e colaboração multiagente
Construa comSeele02
Procurando uma base nativa para experiências multimodais de próxima geração? Deixe os produtos e agentes pensarem, gerarem e agirem dentro de uma estrutura MoT unificada.
