小米开源Xiaomi OneVL：一步式潜空间语言视觉推理框架，统一VLA与世界模型

5月13日，小米技术今日正式发布并开源Xiaomi OneVL一步式潜空间语言视觉推理框架。官方表示，该模型在业内率先实现VLA、世界模型、潜空间推理等多个技术路线的统一，在具备XLA模型强悍推理能力的基础上，大幅提升了推理速度和精度，是行业内具有开创性的方案，在精度上超越显式CoT，在速度上对齐“仅答案”预测的潜空间CoT方案。

过去，VLA和世界模型是自动驾驶领域两条相对独立的技术路线：VLA专注于理解场景并输出驾驶动作，世界模型专注于预测未来场景的演变。Xiaomi OneVL通过潜空间推理，首次将两者统一到同一套框架中。在涵盖感知、推理与规划的多个主流基准上，Xiaomi OneVL全面刷新了潜在推理方法的性能上限，在ROADWork、Impromptu、Alpamayo-R1三项基准上均达到SOTA，在NAVSIM上取得优越性能。

同时，Xiaomi OneVL能为模型决策提供语言和视觉双维度的可解释性——既能用文字说明“为什么这样开”，也能用预测画面展示“接下来会发生什么”。