待验证50% 置信事件精确时间
通用实验室（Tongying Lab）发布了视觉-语言-动作（Vision-Language-Action）模型
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
XAI Releases Grok Build Programming Model, Gemini Spark Opens to Ultra Users
bilibiliinfinite灵感港2026/5/30
相关事实
待验证通应实验室推出了Coin VLA视觉语言动作模型，专注于通用具身智能76% 相似待验证该工具的技术基础是多模态大模型与视频理解技术的协同，包括计算机视觉分析画面构图色彩镜头切换、NLP理解字幕配音文案、时序建模捕捉帧间运动和剪辑节奏67% 相似待验证MiniMind-V的整体架构设计参考了LLaVA（Large Language and Vision Assistant）的经典范式66% 相似待验证BuildBuddy使用多模态大语言模型的视觉理解能力来识别屏幕中的UI控件、文本标签、图标和空间布局关系65% 相似已验证多模态大模型通过视觉编码器（Vision Encoder）将图像转化为高维向量表示，再与语言模型的文本理解能力融合64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/50437API
curl https://kongchang.com/api/v1/knowledge/claims/50437MCP
get_claim(id=50437)