主要功能
Pelican-VL 1.0模型覆蓋7B、72B參數規模,是迄今為止"最大規模的開源具身多模態大模型"。該模型基於百度百舸平台訓練,訓練效率顯著提升,在多項基準測試中達到國際領先水平。
Pelican-VL 1.0的核心優勢在於深度整合海量數據與自適應學習機制,在由1000+ A800 GPU組成的集群上訓練,單次檢查點訓練耗費超過50,000 A800 GPU-小時;團隊從原始數據中蒸餾出的包含數億token的高質量元數據以做訓練基石。此外,Pelican-VL作為
北京人形機器人創新中心構建的“大腦+小腦+本體”生態系統中的具身大腦組成部分,通過“
慧思開物”平台負責高層邏輯推理與任務拆解,並與
XR-1小腦模型協同工作。基於上述優勢,Pelican-VL 1.0實現了在基線基礎上性能提升20.3%,平均超過Qwen3-VL系列、InternVL3.5系列等同級別開源模型10.6%。
發展歷程
套用場景
Pelican-VL 1.0 的開源,能夠大幅提升具身智慧型在商業服務、工業泛工業、高危特種作業、家庭服務等多種真實場景中,通過視覺-語言感知輔助多步任務規劃的能力。
技術支撐
Pelican-VL 1.0基於百度百舸AI計算平台與崑崙芯P800構建的國產萬卡集群進行訓練,該集群為首家通過中國信通院《面向大規模智算服務集群的穩定運行能力要求》測評的國產萬卡級別集群,並在基礎設施、集群調度和模型訓練保障等核心測評維度獲得最高等級“五星級”認證。通過百度百舸平台的最佳化,Pelican-VL 1.0在訓練過程中實現了自我糾錯與持續疊代能力,在開源具身性能基準測試中超過同級別模型10.6%。
百度智慧型雲通過分層存儲技術使國產集群運行MoE模型的效率接近
GPU集群,並採用異構並行通信策略將多模態模型算力利用率提升至50%。Pelican-VL 1.0在由1000+ A800 GPU組成的集群上訓練,單次檢查點訓練耗費超過50,000 A800 GPU-小時。團隊從原始數據中蒸餾出的包含數億token的高質量元數據作為訓練基石。