Unverified55% confidenceFactTime unknown
MiniMind-V的整体架构设计参考了LLaVA（Large Language and Vision Assistant）的经典范式
1
Sources
55%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
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
Related Entities
Related Claims
Unverified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% similarUnverified通用实验室（Tongying Lab）发布了视觉-语言-动作（Vision-Language-Action）模型66% similarUnverifiedMiniMax 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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/29984API
curl https://kongchang.com/api/v1/knowledge/claims/29984MCP
get_claim(id=29984)