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
- 一日五变：前沿模型降价、神秘模型免费用、ARC-AGI-3被拿下 — Hesamation · 2026-08-22
- Grok 4.6 缓存输入仅打 75 折，通用任务成本偏高 — brandon_galang · 2026-08-22
- 实测: Qwen 3.8-27B 低预设推理强于旧版 — Tall_Abrocoma_3533 · 2026-08-22
- AI agent 写出 10 万字连贯小说，读者盲测：节奏与文风仍露馅 — mrdrozdov · 2026-08-22
- 评测称 Qwen 3.8 Low/Medium 表现惊艳 — Eyelbee · 2026-08-22
- OpenAI 未来三月 GPT-5.6 Sol API 价格降超 20% — Polymarket · 2026-08-22