從官方介紹獲悉，該模型覆蓋 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”，同時，也是迄今為止全球性能最強大的具身智能 VLM 模型。根據測試，其性能超越 GPT-5 同類模型 15.79% ，與 Google gemini 系列模型相比提升 19.25%，同時也超越通義千問、書生萬象等國內模型，成為了目前最強的開源具身多模態大模型。

　　文章稱，該團隊還提出了一套全新的 DPPO(刻意訓練)訓練范式，是全球首創的具身多模態大模型后訓練自進化算法框架。憑借 DPPO，Pelican-VL 實現‘性能最強’這一目標使用的數據量為 200K，僅僅是其他大模型的 1/10 甚至 1/50，是名副其實的開源 VLM 性價比之王。

　　Pelican-VL 1.0 的開源，能夠大幅提升具身智能在商業服務、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。而 VLM 作為目前實現機器人全自主的核心，Pelican 的開源也將推動我國具身智能全自主發展。

　　本次開源的 Pelican-VL 1.0 的核心優勢在于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。基于上述優勢，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%。

　　得益于“刻意練習”DPPO(Deliberate Practice Policy Optimization)訓練范式，Pelican-VL 就像一名刻苦鉆研的學生：每次訓練循環都會“看視頻 — 自主練習 — 發現錯誤 — 糾正提升”。通過 DPPO 模仿人類元認知的學習方式，通過強化學習(RL)探索弱點、生成失敗樣本，再進行有針對性地監督微調(SFT)，讓模型不斷自我糾錯和迭代進步。

　　就像學生做錯題后總結經驗一樣，Pelican-VL 能在訓練中發現“薄弱知識點”并補齊，從而持續提高在視覺-語言和具身任務上的能力。通過這種機制，Pelican-VL 能夠更準確地理解圖像內容、語言指令和物理常識，最終在決策和操作執行環節中，實現了具身智能在空間-時間推理和動作規劃方面的大幅突破。