千寻 Spirit v1.5

Spirit v1.5 (Spirit AI)进阶

千寻智能开源的 VLA 基础模型，主张用多样、不刻意整理的数据做预训练

千寻智能（Spirit AI）2026 年 1 月发布并开源的视觉-语言-动作（VLA）模型，公开了推理代码（MIT 协议）、基座权重和一个微调权重（Apache 2.0 协议），4 月又放出微调代码。结构是常见的「VLM + 动作头」：以通义千问 Qwen3-VL-4B 作视觉语言骨干，接一个扩散 Transformer（DiT）动作头生成连续动作。它的主要观点写在技术博客标题里——「干净数据是好机器人基础模型的敌人」：不给采集员写固定脚本、不刻意摆放物体，只让他们带着一个目标自由完成一连串真实任务，数据里自然包含失败重试和任务切换。团队称这样做让人均有效采集时长提高了 200%。发布时它在 RoboChallenge 的 Table30 真机榜单上排名第一。