KI SpotlightNewsACE-Brain-0.6 liegt im Grounding-Schnitt vor GPT-6 Astra
Auf sieben Benchmarks erreicht das auf Qwen3.5-9B feinjustierte Modell 75,41 Punkte. Gewonnen werden aber nur vier der sieben Vergleiche. Manipulationswirkung, Inferenzcode und Lizenz sind offen.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- ACE-Brain-0.6 entsteht durch Feinjustierung von Qwen3.5-9B auf rund 1,5 Mio. Beispiele.
- Auf sieben öffentlichen Grounding-Benchmarks erreicht das Modell Avg-7 von 75,41.
- Qwen3.5-9B erreicht im Vergleich Avg-7 von 65,72, GPT-6 Astra 73,68.
- ACE-Brain-0.6 übertrifft GPT-6 Astra auf vier von sieben Benchmarks.
- Das Modell unterstützt Punkte, Bounding Boxes, Zählungen und kategorische Antworten als Ausgaben.
ACE-Brain-0.6 überholt GPT-6 Astra im Grounding-Schnitt
ACE-Brain-0.6 ist eine Feinjustierung von Qwen3.5-9B auf rund 1,5 Millionen Beispiele aus einer einheitlichen Datenpipeline. Die Beispiele sind so aufbereitet, dass sich die Antworten gegen die zugrunde liegenden Annotationen prüfen lassen.
Auf sieben öffentlichen Grounding-Benchmarks kommt das Modell laut Autoren auf einen Durchschnitt (Avg-7) von 75,41. GPT-6 Astra erreicht im selben Vergleich 73,68, das unveränderte Qwen3.5-9B 65,72. Die Feinjustierung hebt das Basismodell damit um knapp zehn Punkte und setzt es über das Vergleichsmodell. Die Zahlen stammen aus dem Paper und der zugehörigen GitHub-Seite des Teams. Eine unabhängige Reproduktion gibt es nicht.
Vier von sieben Benchmarks gewonnen, drei gehen an GPT-6 Astra
Der Durchschnitt verdeckt, dass das Modell nicht überall vorn liegt. Auf vier von sieben Benchmarks schlägt ACE-Brain-0.6 GPT-6 Astra. Bei PixMo-Count, RefSpatial und PointArena bleibt es dahinter.
Einzelwerte pro Benchmark liegen im vorliegenden Material nicht vor. Die Größe der Rückstände lässt sich deshalb nicht beziffern.
Laut Autoren gibt das Modell Punkte, Punktlisten, Bounding Boxes, Zählungen und kategorische Antworten aus. Es deckt damit Referring, räumliches Schließen, Interaktions-Grounding und die Erkennung nicht vorhandener Ziele ab. Eingabe sind ein oder mehrere Bilder sowie eine Anfrage.
Trainingsdaten, Deutung der Autoren und offene Punkte
Die Pipeline verbindet automatisch annotierte Roboter-Manipulationsaufnahmen mit weiteren visuellen Quellen. Laut GitHub-Seite gehören dazu Egocentric-Interaktionen, Objekt- und Teil-Annotationen sowie räumliche Daten. Daraus entsteht überprüfbare Grounding-Supervision.
Nach Angaben der Autoren steigt der aggregierte Grounding-Schnitt bei fester Feinjustierung stetig, sobald aufeinanderfolgende Daten-Releases mehr Grounding-Szenarien abdecken.
Die Autoren deuten die Ergebnisse weiter. Die Skalierung überprüfbarer Grounding-Daten stärke, so ihre Lesart, räumliche Wahrnehmung und Manipulation. Außerdem sehen sie in Astras Allgemeinheit einen Zusammenhang mit starker räumlicher Wahrnehmung. Das Modell finde demnach auch bei visuellen Ablenkern die richtigen Interaktionsorte. Beides ist nicht unabhängig geprüft. Die Wirkung auf Manipulation ist in den vorliegenden Auszügen nicht mit Zahlen belegt.
Offen bleibt der Vergleich mit dem Vorgänger ACE-Brain-0.5. Dieses 8B-Modell basiert auf Qwen3-VL-8B, nutzt SSR+-Training und eine geschlossene Wahrnehmungs-Planungs-Handlungs-Schleife. Ob Version 0.6 bei Manipulation oder Closed-Loop-Aufgaben besser abschneidet, lässt das Material nicht erkennen.
Der technische Report und ein Hugging-Face-Repository sind laut GitHub-Seite verfügbar. Links zu eigenständigem Inferenzcode fehlen noch. Lizenz und Gewichte sollten Interessierte im Repository selbst prüfen.
