@josephofiowa：这个帖子展示了构建专用实时视觉模型的未来发展方向——利用参数量超过1万亿、运算速度较慢的大型模型……

本帖探讨了构建专用实时视觉模型的未来发展方向。

通过使用参数量庞大、训练速度较慢且规模超过1万亿的模型，让其掌握大量领域知识，进而训练出专用、快速且体积较小的模型，从而实现针对特定任务的快速处理或边缘端运行。

示例： 1️⃣ 添加 roboflow MCP：claude mcp add -s user roboflow --transport http https://mcp.roboflow.com/mcp 2️⃣ 指令其收集数据、标注并训练模型：“嘿，大型语言模型，用 Astra 在 roboflow 上构建数据集，并为我标注所有视频/图片，用于训练 RF-DETR 模型” 3️⃣ 部署模型：指示大型语言模型使用你自建的模型——该模型可在云端以每秒30帧以上的速度运行，也可部署在消费级或边缘硬件上

Satya Mallick (@LearnOpenCV): 1/20 我使用 GPT-6 Astra Ultra 作为协调工具，无需任何人工标注，就训练出了两个分割模型。由于当时需要赶飞机，我的指令也写得相当简略。

RF-DETR-Seg-M 的预测结果： 左侧：SAM3 训练用的掩码 右侧：Astra 训练用的掩码 两段视频中的数据均未被排除在外。