7月21日，小鹏集团发布高效视觉编码器TuringViT，面向VLM与VLA应用，支撑智能驾驶、智能座舱及IRON人形机器人。该模型采用线性注意力架构、VISTA-Curation多模态数据治理流水线和四阶段原生动态分辨率训练范式，提供18L、24L两个版本。小鹏称，TuringViT仅使用0.85B图文对训练，约为SigLIP2-L数据规模的十分之一，在六项零样本分类基准平均准确率达83.6%；在1536×1536分辨率下，TuringViT-18L推理吞吐量为Seed1.5-ViT的3.04倍。
