据新浪财经10月21日报道，明略科技（2718.HK）发布新一代面向多模态大模型及世界模型的技术架构——VisionHOPE。这一架构采用不同于传统Transformer注意力机制的计算架构，旨在让计算开销随图像尺寸增长得更平缓。
VisionHOPE在ImageNet-1K图像分类基准上的表现令人关注。Small版本获得85.2%的Top-1准确率，Base版本提升至85.6%；在COCO、ADE20K等任务上也取得了具有竞争力的结果。这些成绩表明该架构已在通用视觉任务上展示出技术潜力。
更具价值的改进在于可持续学习能力的提升。在高分辨率场景实验中，基于VisionHOPE的模型FLOPs降低52.8%，吞吐量达到对照模型的4.42倍，内存开销削减94.6%。省下的算力资源可用于处理更多新图像和新场景，从而为持续学习腾出空间。
该架构通过耦合记忆和动态更新机制，使视觉特征处理能够根据图像内容更灵活地组织信息。这不仅有助于控制成本，更重要的是赋予模型在处理信息时更强的适应性，为多模态大模型提供了新的架构选择。
据悉，VisionHOPE将记忆内容与更新规则结合，探索模型在推理中根据当前输入调整内部记忆的可能性。若未来能扩展到跨图像、跨任务的信息积累，模型有机会在推理中更充分地利用新信息，逐步走向持续学习，减少对反复重训的依赖。
来源1 来源：新浪财经，2026-10-21
---
回帖：
VisionHOPE的52.8%FLOPs降低和94.6%内存开销削减数据是否基于哪些具体实验配置？该架构在实际产业落地场景（如自动驾驶或工业检测）中的适配进展如何？期待进一步的技术细节和应用案例。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
