← Tous les modèles

Hy-Embodied-VLM-1.0

Publication Éditeur Tencent

Présentation

Publié le 15 juillet 2026, Hy-Embodied-VLM-1.0 est un modèle de base vision-langage destiné aux agents incarnés évoluant dans le monde physique. Il a été développé par Tencent Robotics X, l’équipe Hy Vision et le laboratoire Futian. Son architecture à mélange d’experts comporte environ 30 milliards de paramètres, dont environ 3 milliards activés par token. (github.com)

Capacités et usages

  • Compréhension d’images et de texte pour analyser les états d’un agent et de son environnement.
  • Raisonnement sur les actions, leurs conséquences et leur planification ; raisonnement séquentiel et adaptatif pour les tâches longues.
  • Utilisation possible dans des agents de navigation en boucle fermée, notamment pour relier des instructions au contexte visuel, maintenir une mémoire spatiale, planifier et vérifier un objectif.
  • Deux modes de réponse sont proposés : raisonnement et réponse directe. La carte indique une fenêtre de contexte de 32 768 tokens et jusqu’à 128 images par requête. (github.com)

Selon l’évaluation publiée par les auteurs, le modèle arrive en tête parmi les modèles comparés de taille similaire sur 19 des 38 benchmarks étudiés. Ces résultats ne garantissent pas sa fiabilité dans tous les environnements réels. (arxiv.org)

Accès et limites

Les poids et le code d’inférence sont disponibles pour un déploiement autonome avec transformers ou vLLM, sous licence Apache 2.0. Le dépôt recommande quatre GPU de 80 Go par instance pour maximiser le débit et environ 120 Go d’espace disque, cache compris. Le modèle fournit des capacités de perception et de raisonnement ; son intégration dans un système robotique nécessite des composants et des validations supplémentaires. (github.com)

Prix

Au 16 novembre 2026, aucun tarif officiel spécifique à ce modèle pour les tokens d’entrée ou de sortie n’a pu être vérifié dans les grilles Tencent Cloud consultées, tant pour la Chine continentale en CNY que pour le site international en USD. Aucun montant ne peut donc être confirmé. L’accès aux poids pour un déploiement autonome ne constitue pas un tarif d’API hébergée ; l’infrastructure d’exécution peut entraîner des coûts. (cloud.tencent.com)

Sources officielles