【本文由小黑盒作家@飞碟AI于05月14日发布，转载请表明出处！】
小米又开源了个新东西，叫 Xiaomi OneVL。
全称挺长，叫一步式潜空间语言视觉推理框架，此次这个框架是给汽车用的：让自动驾驶大模子别再一边开车一边慢吞吞写小作文，先在“脑子里”先想明晰，然后快速给出决议效果。
真义的是，OneVL 并不是小米从零运行“闭门觅句”出来的模子。
它的模子权重基于 Qwen3-VL-4B-Instruct 作念增强，视觉分词器则用了 Emu3.5-VisionTokenizer，本体上是在现存开源大模子基础上，往自动驾驶推理这个标的络续深远测验。
开云体育(kaiyun)官网
OneVL 的筹办卓绝明确：把 VLA、寰球模子和潜空间推理三条阶梯尽量揉进一个框架里，让车既能交融场景、瞻望畴昔，又能更快完成决策——毕竟真实说念路可不给模子留“徐徐想考”的时分。
往时自动驾驶大模子有个老问题。
显式 CoT 能升迁推理质地，模子会把“为什么这样开”讲出来，但逐 token 生成很慢，车在路上跑，可没空等模子写完内心独白；径直跳过推理输出谜底又快，但容易丢掉因果判断。
OneVL 处理的即是这个痛点。
它的作念法是把推理压进 latent token，也即是潜空间里的里面示意。
模子径直跳过徐徐输出想考推理经过，24直播网2026世界杯赛事直播入口先用视觉 latent token 编码场景的物理变化，用语言 latent token 编码驾驶意图。
近似于喊你去描摹某个画面，你得徐徐讲，而 OneVL 则不错径直把你脑子里面意象的画面径直抽出来，还准确。
测验时，它还挂了两个扶直解码器，一个追究瞻望畴昔 0.5 秒和 1 秒后的画面，一个追究复原东说念主类能读懂的想维链笔墨。
到了信得过推理时，这两个解码器径直丢掉，世界杯直播只保留压缩后的 latent token，一步并行完成推理。
这个想象最特等想的方位在于，它莫得只压缩语言推理。
小米团队以为，自动驾驶信得过需要压缩的是对未下寰球变化的交融。
前哨车辆奈何动，说念路几何奈何变，进击物会不会切进来，这些比“前哨有车是以降速”这种笔墨回来更要道。
是以 OneVL 的视觉扶直解码器，本体上是在逼模子学会瞻望畴昔画面。说得直白点，车不成只会看图语言，还得能脑补下一秒。
测试数据也确乎能打。
OneVL 在 NAVSIM、ROADWork、Impromptu、Alpamayo-R1 多个基准上刷新潜空间推理身腕证据。NAVSIM 上 PDM-score 达到 88.84，高过显式 CoT 的 88.29，延长却只好 4.46 秒，基本迫临仅谜底瞻望的 4.49 秒。
诚然，技巧归技巧，小米归小米。
OneVL 的意想，可能不在于它今天就能把小米智驾径直推到行业第一，更多是它把一个要道问题摊开了：自动驾驶大模子到底该奈何推理？是络续让模子用笔墨徐徐证据，依然让模子在潜空间里压缩因果和畴昔变化？
若是 OneVL 这条阶梯能络续往下走，车端模子也许会从“看见并效法”，徐徐走向“交融并预判”。
是以此次 Xiaomi OneVL，客不雅来讲也确乎值多礼贴，不消神化，也没必要一听小米就先翻冷眼。
它处理的是自动驾驶大模子里很执行的问题：精度、速率、可证据性，很难同期要。
至于这条路临了能不成跑通，忖度很快会有东说念主拿代码出来复现、对比、挑差错，毕竟自动驾驶圈最不缺的即是各式吃瓜、质疑与实锤测试，更况且这个名目开源。
接下来就看社区和真实工程证据了在线观看(无插件)世界杯比赛视频直播。
