Om AI端侧原生VLX-Seek 1.5开源：3B模型评测超越英伟达，小参数精准感知物理世界

量子位8月10日报道，Om AI联汇宣布旗下端侧原生模型VLX-Seek 1.5正式开源，提供3B与10B两个版本，并被其称为全球首款端侧原生模型。与此同时，公司完成新一轮数亿元融资，由前海母基金领投。融资与开源在同一时间落地，被报道视为资本与开发者社区对端侧原生路线的一次投票。

VLX的核心差异在于端侧原生的架构思路。报道指出，它不是先在云端训练大模型、再压缩部署到设备，而是在模型设计阶段就把端侧算力、延迟、功耗与部署成本作为约束条件。用文章的话说，前者问的是如何让一个强大的AI模型跑到设备上，后者问的是如果AI生来就在设备上，它应该长成什么样。

在技术路线上，VLX-Seek 1.5采用流式多模态架构：接收视频流持续输入，在端侧实时理解并动态输出决策。这与传统视觉语言模型拍照、上传云端、等待推理、返回结果的批处理模式形成对比。报道认为，正是这种从拍照识别到视频流理解的范式变化，让小参数模型在同级别竞争中具备优势。

评测数据方面，报道列出了VLX-Seek 1.5-3B与英伟达同规模LocateAnything-3B的对比：通用检测任务LVIS Mean达57.5，高于对方的50.7；指代表达理解RefCOCOg test Mean为80.2；无人机视角RefDrone测试中F1达73.2、实例准确率Acc达58，分别较对方提升40%与62.9%。在目标幻觉指标上，VLX-Seek 1.5的FP/GT为18，远低于LocateAnything-3B的71.3，意味着更少出现对不存在目标的误报。

文章把这些结果解读为：在极端视角与小目标场景下，端侧原生架构展现出不同于堆参数路线的效率优势；巨头依靠更大规模解决问题，而端侧原生通过更适合物理世界的架构提高单位参数价值。低幻觉表现对机器人、无人机巡检、安防等高可靠场景尤为重要，乱报警比漏报更危险。

在更大的产业版图中，报道将英伟达Cosmos的云端世界模型、Google Gemini Robotics的云端VLA以及Tesla Optimus的硬件闭环列为不同路线，而VLX试图填补模型从诞生起就适应端侧环境这一此前无人专门回答的坐标。公司还在基于VLX模型基座构建一脑多形的智能体平台OmAgent，推动AI走进物理世界。

这次开源与融资的组合动作，被报道类比为云计算早期的范式迁移：资本在为端侧原生这一新路线定价，开源则争夺未来物理AI基础能力标准的定义权。当模型开始离开云端进入真实设备，端侧原生可能成为物理AI走向规模化的关键答案。

后续值得关注的是：VLX-Seek 1.5的评测能否被第三方复现，3B与10B版本在真实机器人、无人机与智能终端上的部署表现如何，以及开源能否吸引足够多的开发者形成生态飞轮。对行业而言，这场竞争的意义或许不在于谁的参数最多，而在于谁能定义让机器人、无人机与智能终端真正规模化运行的基础设施。