LightOn 推出 NeoMME：原生多模态编码器，260M/800M 无视觉塔
antoine_chaffin · x · 2026-09-03
LightOn 团队发布 NeoMME：不走「生成式大 VLM 当表征模型」的常规路线，而是从零训练原生支持文本与图像的编码器，多语言、天生追求速度，参数量仅 260M 和 800M，且没有视觉塔（vision tower）。
- 主张：许多表征模型仍基于庞大的生成式 VLM，架构效率不高；从零训练的编码器证明可以做得更快更高效
- 同时在 NeoMME 之上微调出视觉文档检索器 NeoMME-Retriever
- 由 LightOn 校友 Aurelien Lemonier 主导，作为对「多模态 ModernBERT」构想的实践回应
所属事件:NeoMME 单塔多模态多语言编码器发布，260M 版 ViDoRe v3 领跑(7 条相关)→
「多模态」频道最新
- HeyGen 专业语音克隆：30分钟音频即可克隆到难辨真假 — rohanpaul_ai · 2026-10-21
- Flux 3 Max 登顶物理理解榜：150 万次人类评判选出的第一 — isidentical · 2026-10-21
- Runway 入驻 Claude Marketplace，成 Anthropic 首个创意合作伙伴 — tlakomy · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 可灵 4.0 上线:原生 30 秒视频、10 关键帧,可延展至 2 分钟 — lmoroney · 2026-10-21
- Voxtral 转写 1891 年埃菲尔留声机录音：107 词对 100 词，WER 仅 6.5% — IsForAt · 2026-10-21