雷军解读小米OneVL模型 多项基准测试刷新推理性能纪录

自动驾驶技术领域迎来重要突破，一项创新的开源框架正引发行业高度关注。5月13日，小米技术团队正式发布并开源了Xiaomi OneVL一步式潜空间语言视觉推理框架，为自动驾驶大模型的发展提供了全新工具。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

小米集团创始人、董事长兼CEO雷军随后通过社交媒体详细解读了这一成果。他强调，Xiaomi OneVL在行业内首次通过潜空间推理技术，成功将视觉语言动作模型与世界模型整合到统一的架构中。通俗而言，这项技术能让AI在理解交通场景、规划驾驶决策时，思维更高效、逻辑更连贯，显著提升了自动驾驶系统的智能化水平。

该框架的性能表现尤为突出。雷军指出，在多项权威的推理与规划基准测试中，Xiaomi OneVL全面突破了现有潜空间推理方法的性能极限。这标志着该方案不仅具备理论创新性，更在实战能力上达到了新的高度。随着模型与代码的全面开源，雷军也向全球开发者及研究机构发出邀请，共同推进自动驾驶大模型的技术前沿探索。

根据小米官方技术解读，Xiaomi OneVL的核心创新在于实现了关键技术路径的“融合统一”。它开创性地将视觉语言动作模型、世界模型以及潜空间推理等原本分离的技术路线，集成于同一套框架之内。其基础是拥有强大推理能力的XLA模型，而框架在此基础上，大幅优化了推理速度与精度。

这是一种具有行业引领意义的架构设计。实际效果显示，其在决策精度上超越了传统的显式思维链方法；而在响应速度上，则可媲美追求高效的“仅答案”预测模式。这种“既精准又迅捷”的特性，正是高阶自动驾驶决策系统所追求的关键目标。

目前，小米已将Xiaomi OneVL的完整模型权重、训练代码及推理代码全部开源。相关技术资料可通过以下渠道获取：

技术报告：https://arxiv.org/abs/2604.18486

项目主页：https://Xiaomi-Embodied-Intelligence.github.io/OneVL

开源代码：https://github.com/xiaomi-research/onevl