技术分析：V4-Flash 采用多裁剪机制构建融合视觉表示
teortaxesTex · x · 2026-08-22
针对 V4-Flash 模型的视觉处理机制进行了分析。该模型在长视距强化学习循环中，通过多裁剪和变换图像来形成对场景的统一理解，其极端图像压缩上限为每次瞥视 387 个 token。这种“中央凹视觉”方法使得模型能够“看”而不仅仅是“看见”，并深度融合了动作与视觉事件的概念。评论认为非实验版将更侧重视频序列的提取与推理。
「模型」频道最新
- Meta 开源 816B 参数 MoE 模型 Muse Spark Open,激活仅 42B — victormustar · 2026-10-16
- Baseten 首日上线 Muse Spark Open API:输入 $1.25/百万 token — baseten · 2026-10-16
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- 用户喊话 Google：给新模型放宽用量、合并成一个 App — dreamwieber · 2026-10-16
- 用户吐槽:Gemini 网页版可用但编码工具中无权限,体验割裂 — dreamwieber · 2026-10-16
- OpenAI 简化 API 用量层级：Build/Launch/Grow 三档，花钱自动升级 — prd_008 · 2026-10-16