IXThinker·2026-03-20 14:20

騰訊開源Penguin-VL 挑戰多模態拼接套路

騰訊Penguin-VL團隊開源新型多模態模型，跳出「先視覺骨幹、後接語言模型」的常規拼接路徑，直接以純文本LLM初始化視覺編碼器，在緊湊參數規模下表現突出。

路徑反思

近年多模態模型在語言側競爭激烈，但視覺編碼器一層的路線卻高度趨同：大多先採用CLIP、SigLIP等預訓練視覺骨幹再接語言模型。團隊認為這套熟練配方未必是最優解。