待验证55% 置信事实时间未知
MiniMind-V的整体架构设计参考了LLaVA（Large Language and Vision Assistant）的经典范式
1
来源数
55%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
MiniMind-V：2小时从零训练65M参数视觉多模态大模型完整教程
githubjingyaogong
涉及实体
相关事实
待验证豆包2.0 Mini支持视觉理解（Vision Understanding）功能，底层采用Vision Transformer（ViT）架构将图片编码为token序列73% 相似待验证通用实验室（Tongying Lab）发布了视觉-语言-动作（Vision-Language-Action）模型66% 相似待验证MiniMax M3模型的核心优势是超长上下文处理能力和多模态理解能力（可处理文字、图片和视频）65% 相似待验证蓝图是虚幻引擎的可视化脚本系统，底层编译为字节码由UE虚拟机解释执行，性能略低于原生C++但开发效率更高65% 相似待验证支持自动梯形校正、自动对焦、智能避障等功能，开机到可看画面的调试时间很短，适合不愿手动调校的用户63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/29984API
curl https://kongchang.com/api/v1/knowledge/claims/29984MCP
get_claim(id=29984)