Philipp Schmid 推荐用 Gemini 3.8 Flash 做多模态理解
Philipp Schmid 表示做多模态理解直接用 Gemini 3.8 Flash 即可。他引用的是 Spencer Schiff 当天手绘的一张人物图测试，该测试称目前前沿模型都无法把每个人名正确对应，Spencer 期待未来模型再试。
匹配字段标题
←搜索结果
搜索“多模态”
Philipp Schmid推荐用Gemini做多模态理解
Philipp Schmid 推荐 Gemini 3.8 Flash 用于多模态理解
English translation is being prepared.
匹配字段标题
Philipp Schmid推荐用Gemini 3.8 Flash做多模态理解
2026年9月24日,Philipp Schmid表示做多模态理解直接用Gemini 3.8 Flash即可。他引用的是Spencer Schiff当天手绘的一张人物图测试,该测试称目前前沿模型都无法把每个人名正确对应,Spencer期待未来模型再试。目前该推荐仅有这一条来源,尚无后续发展事实。
匹配字段标题
Thinking Machines Lab发布Inkling多模态MoE模型
2026年7月15日,Thinking Machines Lab发布原生多模态开放权重模型Inkling。据Hugging Face介绍,Inkling原生接收文本、图像和音频,为MoE架构,拥有975B总参数、41B激活参数和1M上下文窗口,bf16与NVFP4检查点分别需要2TB和600GB显存,已获Transformers、SGLang、vLLM和llama.cpp支持。同日,Modal官方工程博客称Inkling以Day 0合作上线Modal按token计费的托管端点,并为其定制DFlash推测解码器,在8x B200智能体负载上实现每用户250 tokens/s、每GPU 2.5M TPM,交互性比模型内置推测路径快67%。同日,LMSYS Blog称LMSYS与Thinking Machines团队合作,为Inkling在SGLang和Miles上提供Day-0支持,SGLang针对其MoE架构优化,在Nvidia Blackwell GPU上实现最高71.7k tok/s输入吞吐和171.0 tok/s单用户解码速度,Miles通过定制Megatron后端支持全参数与Lo
匹配字段标题