论文提出按查询选择模态的全模态大模型高效推理方法
原文标题：Efficient Omni-modal Large Language Model Inference via Per-Query Modality Selection
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究观察到不同查询从额外模态中获益程度不同，提出按查询自适应选择模态的精度-成本优化方法。在 Qwen2.5-Omni 与 Qwen3-Omni 上，该方法仅用约 41% 输入 token、39% 延迟即可达到或超过全模态精度。
深读 · 结论先行AI 生成展开看要点与影响 ↓
按查询自适应选模态，Qwen2.5-Omni 仅用41% token、39%延迟即达全模态精度
- •核心观察：不同查询从额外模态获益程度不同，固定模态配置存在浪费
- •在 WorldSense 上以 Qwen2.5-Omni 与 Qwen3-Omni 验证，覆盖 token、延迟、金钱成本三项指标
- •Qwen2.5-Omni 上仅需约41%输入 token、39%延迟、61%金钱成本即追平或超过全模态精度
- •方法保持底层 Omni-LLM 不变，只做查询级模态选择，属推理侧优化
为什么重要：给全模态模型的高推理成本提供了一条不改模型权重的降本路径，对做多模态产品落地的团队直接可参考。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。