算了一笔账:1M 上下文可存 16 小时的每分钟视觉快照

YouJiacheng · x · 2026-11-23

YouJiacheng 补充计算:一张图可 tokenize 成 256 token,现代 LLM 有 1M 上下文,若分配 256k token 给视觉快照,可容纳约 1000 分钟、超过 16 小时的视觉记忆——远超现有任何 VLM 的记忆容量。这回应了「视觉 token 太贵、无法靠扩上下文存历史」的质疑。

所属事件:VLA 记忆架构探讨:LLM 存长期史,滑窗帧管实时控制(3 条相关)→

原文链接 →

「具身」频道最新

更多「具身」频道 AI 资讯 →