Gestalt：大型多模态交互模型提出

2026年10月2日，arXiv cs.CV 刊出研究论文，团队提出 Gestalt，一个以多模态交互为核心的大型多模态模型新范式。报道称，该模型采用统一离散扩散框架与交互分区架构，由可学习的 interplay token 完成跨模态交换与集成；其多模态交互金字塔将建模分为模态专属处理、跨模态对齐与深层集成三个层次。在图像生成、多模态理解与纯文本评测中，Gestalt 提升了跨模态集成，并保留各模态特有的信息。报道未给出模型规模、训练数据、对比基线与开源等细节，目前也未见后续报道或与其他说法的出入。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。