AI 资讯速递 (2026/5/14)： 小米具身智能团队开源自动驾驶大模型 Xiaomi OneVL
导读摘要：
小米具身智能团队近日开源了 Xiaomi OneVL，一个一步式潜空间语言视觉推理框架。该模型在业内首次实现了 VLA、世界模型与潜空间推理的统一，具备强大的推理能力和快速响应速度，精度超越显式 CoT，速度与潜空间 CoT 方案相当。在 ROADWork、Impromptu、Alpamayo-R1 等多项基准测试中达到 SOTA，并提供语言与视觉双维度的可解释性。
小米具身智能团队开源自动驾驶大模型 Xiaomi OneVL
资讯详情
小米具身智能团队于5月14日宣布开源 Xiaomi OneVL，这是一个一步式潜空间���言视觉推理框架。该模型在自动驾驶领域实现了 VLA（Vision-Language Alignment）、世界模型（World Model）与潜空间推理（Latent Space Reasoning）的统一，显著提升了模型的推理能力和响应速度。Xiaomi OneVL 在多个基准测试中表现出色，提供语言与视觉双维度的可解释性。
VLA、世界模型与潜空间推理的统一：Xiaomi OneVL 通过 一步式 框架设计，将 VLA、世界模型和潜空间推理三个关键模块无缝集成。这种设计不仅简化了模型结构，还大幅提升了推理效率和准确性。
强大的推理能力：Xiaomi OneVL 在 精度 上超越了显式 CoT（Chain of Thought）方案，在多个基准测试中达到了 SOTA（State of the Art）水平。特别是在 ROADWork、Impromptu 和 Alpamayo-R1 等自动驾驶相关任务中，表现尤为突出。
快速响应速度：与显式 CoT 相比，Xiaomi OneVL 的 响应速度 对齐了潜空间 CoT 方案。这意味着在实际应用中，该模型能够更快地处理复杂场景，提高决策的实时性。此外，Xiaomi OneVL 支持多种硬件平台，包括 GPU 和 CPU，确保了广泛的适用性和灵活性。
AI-ALL 深度点评
小米具身智能团队开源的 Xiaomi OneVL 模型在自动驾驶领域具有重要意义。通过将 VLA、世界模型和潜空间推理统一在一个框架内，该模型不仅简化了开发流程，还显著提升了性能。这种设计思路为未来自动驾驶系统的开发提供了新的方向，尤其是在需要实时处理复杂环境信息的场景中。此外，Xiaomi OneVL 的高精度和快速响应能力使其在实际应用中具备更强的竞争力，有望推动自动驾驶技术的进一步发展和普及。提供语言与视觉双维度可解释性也增强了模型的透明度和可信度，有助于解决行业中的信任问题。