预训练算力超1e22 FLOPs可去掉视觉编码器

2026年9月30日，AGI Hunt 报道，rosinality 转发的一项研究观点称：多模态模型在预训练计算量超过 1e22 FLOPs 后，可以直接去掉视觉编码器，不再需要单独的 vision encoder。该观点认为，在足够大的算力规模下，原生多模态训练可以吸收视觉编码器通常承担的角色。截至这条报道，相关说法仍以“转发的观点”形式出现，报道未给出对应的论文出处、实验设置或验证结果，也未说明该结论适用的模型规模与任务范围。此前该事件已以“预训练算力超 1e22 FLOPs 可去掉视觉编码器”为标题记录，最新报道延续了同一说法，未出现与之矛盾的数字或时间表述，也未见第三方复现或反驳。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。