在简单拾取放置任务中接近100%成功率，但在复杂接触任务（如洗碗机卸载）中成功率较低（5-10%）。:通用性和长时程规划能力使其在机器人领域具有前瞻性，适合需要泛化能力的场景。:在机器人演示任务中与大模型RT-2（55B）性能相当，参数量仅93M。:在机器人任务中表现出色，尤其是在需要物理推理的场景（如物体交互）。:开源且易于微调，适合学术研究和中小型机器人应用，数据效率高。:在复杂机器人任务中优

在简单拾取放置任务中接近100%成功率，但在复杂接触任务（如洗碗机卸载）中成功率较低（5-10%）。:通用性和长时程规划能力使其在机器人领域具有前瞻性，适合需要泛化能力的场景。:在机器人演示任务中与大模型RT-2（55B）性能相当，参数量仅93M。:在机器人任务中表现出色，尤其是在需要物理推理的场景（如物体交互）。:开源且易于微调，适合学术研究和中小型机器人应用，数据效率高。:在复杂机器人任务中优

在MMMU、MMBench等基准测试中表现出色，7B版本在图像分类任务中接近GPT-4o（准确率0.93 vs 0.94）。在文档任务和VQA中表现稳健，90B版本接近闭源模型水平，但在图像分类任务中稍逊于Qwen2.5-VL（准确率0.83）。开源且性能强劲，72B版本在多模态任务中几乎达到闭源模型水平，7B版本适合轻量部署。支持29种语言，具备动态分辨率处理，适合多语言OCR、视频分析和复杂文

在MMMU、MMBench等基准测试中表现出色，7B版本在图像分类任务中接近GPT-4o（准确率0.93 vs 0.94）。在文档任务和VQA中表现稳健，90B版本接近闭源模型水平，但在图像分类任务中稍逊于Qwen2.5-VL（准确率0.83）。开源且性能强劲，72B版本在多模态任务中几乎达到闭源模型水平，7B版本适合轻量部署。支持29种语言，具备动态分辨率处理，适合多语言OCR、视频分析和复杂文