原生多模态基础模型
Seele02
采用 Mixture-of-Transformers（MoT）架构的原生多模态基础模型。
文本、3D、空间共用同一表征，原生具备理解、生成与多轮编辑能力。
Mixture-of-TransformersText · 3D · SpatialAgent-Ready
MoT · 架构
理解专家与生成专家，
通过共享全局自注意力融合。
Seele02 从预训练第一天就在多模态空间中学习。理解与生成两组专家网络参数完全解耦，由一套共享的全局自注意力完成跨模态对齐与融合。
Shared Global Self-Attention跨模态融合总线
Text
3D
Spatial
理解专家
专注理解侧。
从文本、3D 结构与空间信号中抽取语义与关系，为推理、规划、工具调用与多轮编辑提供稳定上下文。
生成专家
专注生成侧。
专注几何、纹理与时空一致性，跨模态生成结果可控、可编辑，并在多轮交互中保持身份稳定。
共享自注意力
一条跨模态的全局总线。
所有模态共享同一全局自注意力作为通用总线，专家在同一上下文中读取与对齐，端到端保持信息完整。
解耦 · 统一
解耦参数，统一接口。
解耦的专家带来可独立扩展的训练与推理路径，统一接口让上层 Agent 专注于业务目标，模态切换在底层完成。
三模态原生
三个模态，一个表征。
文本、3D 与空间在 Seele02 中共享统一的表征空间，在同一全局注意力下进行预训练。跨模态的理解、生成与多轮编辑由此自然涌现。
01text
Text
指令理解、推理、长上下文对话与工具调用——Agent 的语义骨架与跨模态的通用语言。
- 多轮指令与工具调用
- 跨模态描述与解释
- 结构化输出与函数 schema
023d
3D
以原生 3D 表征理解与生成几何资产，多轮、语言驱动的编辑下几何、拓扑与资产身份保持稳定。
- 3D 资产生成与编辑
- 跨视角一致的身份保持
- 面向生产流水线的可导出格式
03spatial
Spatial
统一表示空间关系、相机运动与场景结构，用于交互式世界、空间规划与可控的场景演化。
- 空间关系与场景图
- 相机轨迹与视角控制
- 持续可探索的世界状态
一个模型读懂一个 3D 场景、用文本解释它、生成新的视角，再根据自然语言指令编辑空间布局——全部在同一上下文中端到端完成。
Agent 基座模型
原生工具调用。通用 Agent 的基座模型。
工具调用在预训练阶段就作为模型的原生接口而存在。Seele02 驱动需要多步规划、跨模态决策与外部能力调用的复杂任务。
原生工具调用
原生函数调用，结构化参数与返回值在跨模态上下文中无缝流转。
多轮规划与编辑
长上下文 + 共享跨模态注意力，让 Agent 围绕同一资产进行多轮、多模态的迭代。
跨模态决策
同一模型在文本、3D 与空间之间切换决策依据——单一骨干覆盖全部模态。
稳定的资产身份
对象、场景与角色在多轮交互与跨模态变换中保持身份稳定，端到端不漂移。
双 SKU · 同一基座
型号矩阵
两条产品线对应不同工作负载，共享同一份 MoT 基座与 Agent 接口，可在同一应用内按需切换。
Flash
面向低延迟交互。
为实时对话、即时生成与高频 Agent 调用而优化，以更低延迟与更高吞吐承接秒级反馈的体验。
- 实时多模态对话
- 高频工具调用与编排
- 面向产品界面的即时生成
Pro
面向复杂推理与高质量内容生产。
为长链路规划、多步推理与高保真生成而设计，适合内容生产流水线、Agent 主控调度与对质量更敏感的工作流。
- 长链路、多步推理
- 高质量 3D / 空间内容生产
- Agent 主控与多 Agent 协作
