待验证85% 置信事实时间未知

Gemini从预训练阶段就将文本、图像、音频、视频数据混合输入，实现原生多模态训练

1

来源数

85%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

GPT_API_free：零成本接入GPT、DeepSeek等大模型API指南

githubchatanywhere

涉及实体

Geminimodel Googlecompany

相关事实

待验证Gemini 2.5 Pro采用原生多模态架构，从训练阶段就融合文本、图像、音频和视频88% 相似待验证Gemini的图像生成能力基于原生多模态架构，模型在训练阶段同时学习了文本和图像的表征84% 相似已验证Gemini系列从设计之初就是多模态原生的，将文本、图像、音频、视频等不同模态的数据统一编码到同一个特征空间中77% 相似已验证Gemini采用原生多模态架构，从预训练阶段就以混合多模态数据联合训练Transformer，不同模态的Token在同一序列中混合处理77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/34045

API

curl https://kongchang.com/api/v1/knowledge/claims/34045

MCP

get_claim(id=34045)