多模态模型的苦涩教训:整图原生分辨率直喂,token 上限 16k
gabriberton · x · 2026-10-19
gabriberton 线程第 5 条:如今多数实验室采用的「苦涩教训」解法非常直接——把整张图以原生分辨率喂给模型,设一个较高的 token 上限(如 Qwen3-VL 的 16k tokens)。代表模型包括 Qwen3-VL、Kimi-VL、Gemma 4。相比多裁块方案,免去裁块数量、分辨率、重叠等逐模型调参的麻烦。
所属事件:MLLM 视觉编码四年演化：从裁块走向原生多模态(8 条相关)→
「模型」频道最新
- Qwen Image 2.1 默认工作流的提示词增强器被吐槽「是个笑话」 — dtdisapointingresult · 2026-10-19
- 93 模型实测 1.5 年：蒸馏+量化+RL 或损害通用能力，DeepSeek 某版垫底 — Afinetheorem · 2026-10-19
- 开发者实测：Opus UI 更强，Astra 在逻辑与完整性上仍占优 — mallow610 · 2026-10-19
- DeepSeek V4.1 Flash 被指「小更新」:V4.1 Pro 疑似在路上 — teortaxesTex · 2026-10-19
- 社区发现 OpenAI 数学模型成绩单里密码学占比极低 — burny_tech · 2026-10-19
- 论者称日本新模型非刷榜优化，整体能力全面更强 — teortaxesTex · 2026-10-19