待验证50% 置信事实精确时间
新一代多模态模型通过统一的Transformer骨干网络将文字、图像、视频转化为同一向量表示空间进行推理，实现原生多模态理解
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
已验证多模态大模型通过视觉编码器（通常基于Vision Transformer架构）将输入图像分割为若干patch并编码为向量序列，与文本token在同一Transformer架构中进行联合注意力计算80% 相似待验证基于Transformer的时序建模方法已成为自动视频摘要领域的主流，其自注意力机制能对视频中任意两个时间点的帧建立长距离依赖关系74% 相似待验证Transformer架构被引入视觉生成（如Vision Transformer、DiT架构），使模型能更好理解图像不同区域间的全局关系，适用于多模态场景中文本token和图像token的统一处理74% 相似已验证GPT-Image-2很可能采用了原生多模态架构，文本理解和图像生成共享同一个Transformer骨干网络73% 相似待验证视频Transformer需在三维时空上建立注意力矩阵，计算量呈立方级增长，这是视频生成模型对算力要求远超图像生成的根本原因73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/536316API
curl https://kongchang.com/api/v1/knowledge/claims/536316MCP
get_claim(id=536316)