科技厂商H于近期正式推出全新单塔多模态编码器系列NeoMME，包含260M、800M两个参数版本。该系列模型摒弃传统多模态方案的独立视觉塔与因果解码器设计，直接将文本Token与原始图像块输入同一双向Transformer处理，在视觉文档检索任务上的推理效率较行业主流方案提升超40%，为轻量级多模态技术落地提供了新路径。
在多模态技术大规模落地的当下，大部分主流方案仍采用“独立视觉塔+文本塔+融合模块”的多塔架构，参数规模普遍在3B以上，不仅部署成本高，推理延迟也难以满足票据检索、图文内容审核等高频调用场景的需求。而此前市面上的小参数多模态模型，普遍存在图文表征匹配精度不足的问题，很难兼顾效率与效果。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号