Om AI 联汇 7 月 6 日发布 VLX-Seek 1.5，这是面向端侧具身场景的细粒度感知 VLM 新版本。这次升级的关键词不是「更大」，而是「更可部署」。 新版规划了 0.6B / 3B / 10B 三档模型系列，让无人机、机器狗、监控摄像头等不同算力预算的终端都能选到合适版本——这是把 VLM 一味堆大、最后却塞不进端侧的产品里少见到的工程意识。架构上引入更多 Linear Attention 层和更快的 OPN 候选区域生成，推理时延对端侧更友好。 更值得注意的是「目标幻觉」的处理。具身场景里，机器人错误地追踪一个不存在的目标，代价远超漏检。VLX-Seek 1.5 引入显式 None 输出格式：用户问「图中的 A 和 B」，若 B 不存在，模型必须输出 A 的坐标 + B 的 None。在 HumanRef、VisDrone、RefDrone 三个基准上，Object Hallucination 指标（FP / GT 数量）比上一版和 LocateAnything 都更低。 视觉能力上，新版训练数据加入更多无人机、监控、机器人视角，辅助视觉塔也升级。在 COCO、LVIS、RefCOCO、VisDrone、RefDrone、EmbSpatialBench 等基准上，VLX-Seek 1.5-3B 反超了多个更大的开源/闭源 VLM。 Om AI 联汇宣布开源 10B 版本。在具身感知赛道，这是少有的「10B 也能本地跑」的开放权重底座——对机器人/无人机开发者来说，终于不用再为「能塞进端侧」而妥协性能了。