AI最前沿 88Z.ai 5 月 14 日消息，小米具身智能团队开源了Xiaomi OneVL一步式潜空间语言视觉推理框架。该模型在业内率先实现VLA、世界模型与潜空间推理的统一，兼具强悍推理能力与高速响应，精度超越显式CoT，速度对齐潜空间CoT方案。在ROADWork、Impromptu、Alpamayo-R1等多项基准上达到SOTA，提供语言与视觉双维度可解释性。
消息要点
- 首创统一VLA、世界模型与潜空间推理，精度超显式CoT且速度极快
- 在ROADWork等基准达SOTA，提供语言与视觉双维度可解释性
要点
小米具身智能团队正式开源Xiaomi OneVL，这是一款创新的一步式潜空间语言视觉推理框架。该模型在行业内首次实现了视觉语言动作（VLA）、世界模型以及潜空间推理技术的统一架构。凭借这一突破，OneVL不仅具备强大的逻辑推理能力，还能保持极高的响应速度。其推理精度超越了传统的显式思维链方法，同时运行速度与潜空间思维链方案保持一致。在ROADWork、Impromptu及Alpamayo-R1等多个权威基准测试中，该模型均取得了当前最佳性能。此外，它还提供了语言和视觉两个维度的可解释性，增强了模型决策的透明度。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- IT之家原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。