北京人形机器人创新中心开源 Pelican-VL 1.0 模型，号称“全球最强”

11月14日，北京人形机器人创新中心宣布，将具身智能VLM模型——Pelican-VL 1.0全面开源。

该模型包括7B和72B两种参数规模，是迄今为止“最大规模的开源具身多模态大模型”，同时也是全球性能最强大的具身智能VLM模型。测试结果显示，其性能超越GPT-5同类模型15.79%，与Google Gemini系列模型相比提升19.25%，同时超越通义千问、书生万象等国内模型，成为目前最强的开源具身多模态大模型。

文章指出，该团队还提出了一套全新的DPPO（刻意训练）训练范式，这是全球首创的具身多模态大模型后训练自进化算法框架。凭借DPPO，Pelican-VL在实现“性能最强”这一目标时，使用的数据量仅为200K，仅为其他大模型的1/10甚至1/50，是名副其实的开源VLM性价比之王。

Pelican-VL 1.0的开源，将大幅提升具身智能在商业服务、工业泛工业、高危特种作业、家庭服务等多种真实场景中的视觉-语言感知辅助多步任务规划能力。而VLM作为实现机器人全自主的核心，Pelican的开源也将推动我国具身智能全自主发展。

本次开源的Pelican-VL 1.0的核心优势在于深度整合海量数据与自适应学习机制，在由1000+ A800 GPU组成的集群上训练，单次检查点训练耗费超过50,000 A800 GPU-小时；团队从原始数据中蒸馏出的包含数亿token的高质量元数据以做训练基石。基于上述优势，Pelican-VL 1.0实现了在基线基础上性能提升20.3%，平均超过Qwen3-VL系列、InternVL3.5系列等同级别开源模型10.6%。

得益于“刻意练习”DPPO（Deliberate Practice Policy Optimization）训练范式，Pelican-VL就像一名刻苦钻研的学生：每次训练循环都会“看视频 — 自主练习 — 发现错误 — 纠正提升”。通过DPPO模仿人类元认知的学习方式，通过强化学习（RL）探索弱点、生成失败样本，再进行有针对性地监督微调（SFT），让模型不断自我纠错和迭代进步。

就像学生做错题后总结经验一样，Pelican-VL能在训练中发现“薄弱知识点”并补齐，从而持续提高在视觉-语言和具身任务上的能力。通过这种机制，Pelican-VL能够更准确地理解图像内容、语言指令和物理常识，最终在决策和操作执行环节中，实现了具身智能在空间-时间推理和动作规划方面的大幅突破。