Лаборатория Lion Mountain открыла веса модели Lion-ER-35B-A3B для роботов

Лаборатория искусственного интеллекта Lion Mountain (狮子山) при China Merchants Group выпустила визуально-языковую модель Lion-ER-35B-A3B для роботов и открыла её веса. Модель построена на архитектуре MoE, смеси экспертов: около 35 млрд параметров всего и примерно 3 млрд активных на каждый токен.

Такая модель работает как «мозг» робота: по изображению и команде на обычном языке она судит о физической сцене. От неё требуется отличать движение предмета от поворота камеры, узнавать один и тот же объект с разных ракурсов, понимать, на каком этапе задача, и проверять, поместится ли вещь на выбранное место. Ошибка в любом из этих суждений срывает действие: робот хватает не то или переходит к следующему шагу слишком рано.

Команда отказалась от простого наращивания датасета. Сначала она составила карту способностей: 8 крупных областей воплощённого мышления и 39 более узких умений, с указанием, в каких условиях каждое применяется. Затем под каждое умение генерировали задания, а результаты тестов показывали, каких данных не хватает, и запускали новый круг. Обучающий набор собрал 312 380 примеров; для добора сложных случаев использовали пул из 31 источника примерно на 4,3 млн записей.

Базовая модель — Qwen3.6-35B-A3B. На десяти открытых бенчмарках, связанных с воплощённым ИИ, новая версия улучшила все показатели относительно базы. Замер шёл в режиме avg@4: каждый вопрос модель решает четыре раза, берётся среднее. Равновесный средний балл составил 65,29. В Where2Place, тесте на выбор места для предмета, модель набрала 64,28 (на 9,30 больше базы), в ERQA по воплощённому мышлению 64,38 (плюс 6,19), в SAT по пространственным рассуждениям 89,33, в подкатегории ERQA о траекториях 68,18 (плюс 12,12).

Веса опубликованы на Hugging Face в формате BF16 Safetensors, модель совместима с Transformers, vLLM и SGLang. Разработчики могут проверить её на своих изображениях, видео и задачах: понимание пространственных связей, разбор состояния сцены, оценка прогресса, интеграция в робототехнические системы. Условия использования и цена в источнике не указаны. Лаборатория планирует расширить обучающие данные под вызов инструментов, многошаговый диалог и восстановление после неудач в длинных задачах.