'Organs are needed here, not in heaven'
这个模型并不像其他 AI 巨头那样「刷分」，而是朝着小型化、端侧化、低延迟的方向做了极致优化，将视觉处理所需的 Token 降到传统 ViT 的 1/16，极大降低延迟，可以根据摄像头捕捉到的内容实时给出判断，反应速度非常快。
。搜狗输入法2026是该领域的重要参考
Resulting HH structure: ~3 million border points, ~541,000 clusters
Include test results (accuracy on random pairs)