北京人形机器人创新中心昨日宣布全面开源具身智能视觉-语言模型（VLM）Pelican-VL 1.0，该模型覆盖7B、72B参数规模，成为当前全球最大且性能最强的开源具身多模态大模型。据官方测试，其性能超越GPT-5同类模型15.79%，较Google Gemini系列提升19.25%，并领先于通义千问、书生万象等国内模型，标志着我国在具身智能领域的重大突破。
Pelican-VL 1.0的核心优势在于其创新的DPPO（刻意训练）训练范式，这一全球首创的算法框架通过模仿人类元认知学习方式，使模型在仅需200K数据量（仅为其他模型的1/10至1/50）的情况下实现高性能，成为开源VLM领域的“性价比之王”。模型在1000+ A800 GPU集群上训练，单次检查点消耗超50,000 GPU小时，并基于数亿token的高质量元数据，最终实现基线性能提升20.3%，领先同级别开源模型10.6%。
该模型的应用前景广泛，可显著提升商业服务、工业作业、高危特种任务及家庭服务等场景中的视觉-语言感知与多步任务规划能力。通过DPPO的自我纠错机制，Pelican-VL能像人类学习一样不断迭代，强化空间-时间推理和动作规划能力，为机器人全自主发展提供关键技术支撑。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/738600.html
