v12能跑50帧，但是hw3的摄像头只有36帧
【 在 hsv 的大作中提到: 】
: 大是针对这一代模型来说的，通用视觉模型就是各种transformer揉合，计算和cnn有差异的。另外大模型不需要服务器，m2可以跑大模型。chatgpt是提供服务的要考虑qps，车载能跑25帧就可以，v12实际能跑36帧。
--
FROM 99.55.161.*