Xiaomi-Robotics-U0-FlashAR 是 Xiaomi-Robotics-U0 的加速推理权重，用于一个统一的自回归具身生成框架。模型面向文本、图像和具身观测，是 38B 参数的 World Foundation Model，初始化自 EMU3.5；它使用共享的离散视觉 tokenizer，并在多模态序列上采用统一的 next-token 目标。当前发布权重支持 T2I、X2I、Scene Gen 和 Transfer，Video Gen 代码可用但对应 Xiaomi-Robotics-U0-Video checkpoint 尚未发布。

FlashAR 通过按反对角线分组解码视觉 token，并支持 vLLM batching 来加速高分辨率推理；在单张 H20 上，1024x1024 T2I 的 FlashAR vLLM 速度为 5.44 s/img。仓库提供推理代码、可组合 Python 配置、Gradio 入口，以及 AR / FlashAR 的 vLLM patch set；vLLM patch 要求安装版本为 0.11.0。RGB Transfer 可选用 Depth Anything 3 将 RGB 参考图转换为 inverse-depth map，默认 DA3 模型为 depth-anything/DA3-LARGE-1.1。