已验证65% 置信事实精确时间

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

3

来源数

65%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

Gemini Live接入Nano Banana：实时摄像头+图像生成+地图联动全解析

twitterGeminiApp2026/7/9

相关事实

已验证Gemini系列从训练阶段就将多种模态联合建模，而非像GPT-4V等方案那样后接视觉编码器78% 相似待验证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77% 相似待验证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76% 相似待验证Gemini版本体系遵循双轴命名逻辑：主版本号代表架构或训练范式升级，规格后缀（Ultra、Pro、Flash、Nano）对应不同参数量级与部署场景75% 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75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/480467

API

curl https://kongchang.com/api/v1/knowledge/claims/480467

MCP

get_claim(id=480467)