← Alle Modelle

Hy-Embodied-VLM-1.0

Veröffentlicht Herausgeber Tencent

Hy-Embodied-VLM-1.0

Veröffentlichung: 15. Juli 2026. (github.com)

Einordnung

Hy-Embodied-VLM-1.0 ist ein Vision-Language-Grundlagenmodell für verkörperte Agenten in der physischen Welt. Es wurde von Tencent Robotics X, dem Hy Vision Team und dem Futian Laboratory entwickelt. Die Mixture-of-Experts-Architektur kombiniert das Sprachmodell Hy3-A3B mit dem Bildencoder Hy-ViT2. Von rund 30 Milliarden Parametern werden pro Token etwa 3 Milliarden aktiviert. (github.com)

Fähigkeiten und Anwendungen

  • Verständnis handlungsrelevanter Zustände und räumlicher Szenen sowie Schlussfolgerungen über Aktionen und ihre Folgen.
  • Sequenzielles und adaptives Schlussfolgern, etwa für mehrstufige Aufgaben, Fortschrittsbewertung und Vorschläge zur Fehlerbehebung.
  • Einsatz als Grundlage für verkörperte Agenten, insbesondere für Navigation anhand von Anweisungen, räumliches Gedächtnis, Planung und Zielprüfung.
  • Zwei pro Anfrage auswählbare Modi: mit Reasoning für komplexe Aufgaben oder ohne Reasoning für direkte Antworten mit geringerer Latenz. (github.com)

Bereitstellung und Grenzen

Die Gewichte und Inferenzimplementierungen für Hugging Face Transformers und vLLM sind verfügbar; das Modell steht unter Apache-2.0. Die Modellkarte nennt ein Kontextfenster von 32.768 Tokens und bis zu 128 Bilder pro Prompt. Für das Serving empfiehlt das Projekt vier GPUs mit jeweils 80 GB Speicher pro Replik; der Download benötigt einschließlich Cache ungefähr 120 GB Speicherplatz. (github.com)

Das Modell ist eine Grundlage für Wahrnehmung und Schlussfolgern, keine zugesicherte autonome Robotersteuerung. Seine Ergebnisse und vorgeschlagenen Handlungen sollten vor einem Einsatz in der physischen Welt überprüft und mit geeigneten Sicherheitsmechanismen abgesichert werden.

Preise

Für genau dieses Modell konnten bei der Recherche auf den offiziellen chinesischen und internationalen Tencent-Cloud-Preisseiten keine verifizierbaren API-Preise für Eingabe oder Ausgabe ermittelt werden. Daher werden weder CNY- noch USD-Beträge angegeben. Bei eigener Bereitstellung können Infrastrukturkosten entstehen. Abfragedatum: 16. November 2026. (cloud.tencent.com)

Offizielle Quellen