待验证50% 置信事实精确时间
Saluki主模型专注文本与代码逻辑，支持32K上下文，需处理图像时额外下载约0.9GB的视觉投影插件M-Projector
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证决策模型支持视觉能力，Clave和Clave Flash需要0.3.5.1以上版本且必须带视觉权重，图像需编码成base64（不接受URL或dataURL），所有问题共享同一批图像且state仍必填68% 相似已验证多模态大模型通过视觉编码器（Vision Encoder）将图像转化为高维向量表示，再与语言模型的文本理解能力融合66% 相似待验证Video-LLM的核心架构通常由视觉编码器、投影层和大语言模型主干三部分组成65% 相似待验证LLaVA通过轻量级投影层将CLIP视觉编码器提取的图像特征映射到语言模型的嵌入空间，采用视觉编码器+投影层+语言模型的三段式结构65% 相似待验证应用的处理流程为：Streamlit 接收上传的 JPEG/PNG 图片转为字节流，连同植物学提示词发送到本地模型端点识别，返回结构化分类学信息，几秒内完成65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1000728API
curl https://kongchang.com/api/v1/knowledge/claims/1000728MCP
get_claim(id=1000728)