Long-VITA是由VITA-MLLM团队开发的开源多模态大模型，专注于处理超长上下文的视觉和语言任务。主要功能包括：
- ultra-long context processing：支持高达100万token或4K帧的输入
- multimodal understanding：可同时分析图像、视频和文本数据
- distributed inference：通过上下文并行技术实现高效计算
- Cross-platform support：兼容Ascend NPU和Nvidia GPU硬件
该模型由腾讯优图实验室、南京大学和厦门大学联合研发，完全基于开源数据集训练，适合视频理解、高分辨率图像解析等复杂场景。
This answer comes from the articleLong-VITA: A Visual Language Model Supporting Very Long Contextual OutputsThe
May not be reproduced without permission:AI productivity tools " 什么是Long-VITA？它的核心功能有哪些？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil