# GroundingPI: modelo aberto apoiado pela XPENG localiza objetos melhor do que o GPT-6 Astra, mas só em testes

> Com 4 mil milhões de parâmetros, o GroundingPI aponta com coordenadas onde está cada objeto numa imagem, um passo de que robôs e carros autónomos precisam. Os pesos e o código são públicos, mas os ganhos na robótica vêm de simulações e a marca não promete levá-lo aos seus carros.

- Publicação: MEGAzine (https://megazine.pt/)
- Endereço: https://megazine.pt/inteligencia-artificial/groundingpi-modelo-aberto-apoiado-pela-xpeng-localiza-objetos-melhor-do-que-o
- Categoria: Inteligência Artificial
- Autoria: Fernanda M. Reis
- Publicado: 13 de novembro de 2026
- Etiquetas: XPENG, GroundingPI, Robótica, Modelos abertos, Physical AI

## Em resumo

- O GroundingPI tem cerca de 4 mil milhões de parâmetros e responde com pontos e caixas que indicam onde está cada objeto numa imagem.
- Em 34 benchmarks de perceção, a média foi de 73,68 pontos, contra 71,54 do GPT-6 Astra, numa avaliação feita pela própria equipa.
- Em simulação, robôs treinados com metade das demonstrações superaram os modelos de comparação treinados com 75%.
- O artigo está no arXiv desde 30 de setembro e os pesos e o código estão no Hugging Face e no GitHub, com licença Apache 2.0 nas partes originais.
- A XPENG diz que a investigação é exploratória e que não há compromisso de usar a tecnologia nos seus produtos.

Investigadores da XPENG e de várias universidades publicaram o GroundingPI, um modelo de IA aberto com cerca de 4 mil milhões de parâmetros que localiza objetos numa imagem com pontos e caixas, uma capacidade de que robôs e carros autónomos precisam antes de agirem no mundo físico.

O [artigo científico](https://arxiv.org/abs/2609.39601) saiu no arXiv a 30 de setembro, assinado por 26 autores, e foi revisto a 16 de outubro. Os pesos do modelo estão no [Hugging Face](https://huggingface.co/GroundingPI/GroundingPI) e o código no [GitHub](https://github.com/groundingpi/GroundingPI) desde o início de outubro, mas a fabricante chinesa de carros elétricos só destacou o projeto a 4 de novembro, numa [nota na sua sala de imprensa](https://www.xpeng.com/news/01a1a60de92ba181a8f48a02aa970133) que chegou a Portugal a 11 de novembro.

Segundo a [página do projeto](https://groundingpi.github.io/), os autores trabalham na XPENG, que descreve o seu papel como apoio à investigação, e nas universidades de Pequim, Hong Kong, Tsinghua, Princeton e Califórnia em Berkeley, entre outras.

O exemplo escolhido pela XPENG é uma ordem como identificar a pega da chávena da direita, em que o sistema tem de encontrar a chávena certa e, dentro dela, o ponto exato da pega. O GroundingPI devolve essa resposta em coordenadas e foi treinado em 11 tipos de tarefa, da deteção de objetos à leitura de texto, à estrutura de documentos e aos botões de uma interface.

Nos testes feitos pela própria equipa, com 34 benchmarks públicos e 44 modelos de comparação, teve uma média de 73,68 pontos, acima dos 71,54 do GPT-6 Astra, o modelo da OpenAI que [falhava tarefas de segurança sem avisar](https://megazine.pt/inteligencia-artificial/gpt-6-astra-fazia-menos-40-do-trabalho-em-tarefas-de-seguranca-da-ia-e-nao). A empresa ressalva que a comparação vale só para a perceção e não mede o raciocínio geral dos modelos.

Por dentro, junta o codificador visual MoonViT-V2, do Kimi K3, a um modelo de linguagem Qwen3-4B, segundo a documentação.

Como base visual de robôs, [como os humanoides da Agibot](https://megazine.pt/inteligencia-artificial/robos-humanoides-da-agibot-chegam-a-portugal-custam-entre-18-mil-e-178-mil-euros), os resultados vêm de simulações. No RoboCasa-GR1, os sistemas com o GroundingPI tiveram mais sucesso com metade das demonstrações humanas do que os modelos de comparação treinados com 75%, e no RoboTwin 2.0 superaram todos os modelos avaliados em quatro cenários diferentes dos do treino, com vantagens até 24,8% sobre o melhor.

Na condução autónoma, com o conjunto de dados nuScenes, o erro médio na previsão da trajetória ficou em 0,296 metros, numa avaliação offline em circuito aberto.

Há uma demonstração online no Hugging Face, mas para instalar o modelo a equipa só indica testes em Linux, com aceleradores NVIDIA B300, B200, H200 e H800. As partes originais têm licença Apache 2.0, e o que vem do Kimi K3 mantém a licença desse modelo.

Todos os números foram medidos pelos autores, sem verificação independente conhecida, e a XPENG avisa que a investigação está numa fase exploratória, sem prova de que funcione em condições reais. A empresa também diz que os resultados não são um anúncio de que a tecnologia vá chegar aos seus produtos.
