第二，原生多模态设计取代了适配器拼接。 传统做法是先训练一个纯文本大模型，再通过适配器模块接入图像、视频、音频等能力。Qwen 3.5 采用了完全不同的架构：将视觉 token 和文本 token 在同一个潜空间中联合训练，从底层就是多模态的。这意味着它是一个天生就同时理解文字和图像的模型。这种架构在小参数量下反而更有优势，因为不需要额外的适配器开销。
Copied to clipboard，详情可参考safew官方下载
，这一点在电影中也有详细论述
微软发布 Phi-4-Reasoning-Vision-15B 开源模型微软官方开发者社区博客于 3 月 5 日宣布推出 Phi-4-Reasoning-Vision-15B 开源模型。这是一款视觉推理模型，结合高分辨率视觉感知与选择性、任务感知的推理能力，使其成为 Phi-4 系列中首个同时具备「看得清楚」与「想得深入」能力的小语言模型（SLM）。
Спецборт МЧС России с покинувшими Иран россиянами вылетел из Азербайджана02:10。关于这个话题，电影提供了深入分析