MODEL

Flamingo

Flamingo 是 DeepMind 提出的视觉语言模型，可接收交错的图像、视频和文本提示并生成文本。最终模型基于 Chinchilla 语言模型构建，规模为 800 亿参数。

发布日期：

2022-04-28

参数量：

80B（最终模型）

架构：

将预训练并冻结的视觉模型与语言模型连接，通过新增跨模态组件处理交错的图像、视频和文本提示。

输入输出：

文本 + 图像 + 视频 → 文本

交互方式：

普通请求

开放方式：

闭源