# Apollo – Meta 联合斯坦福大学推出的大型多模态模型

- Link: https://paooo.com/aigc-news/24836/
- Published: 2026-07-10T01:18:29+08:00
- Author: Prompt 语宙研究院

## Apollo是什么

Apollo是Meta和斯坦福大学合作推出的大型多模态模型（LMMs），专注于视频理解。Apollo
基于系统研究，揭示视频理解在LMMs中的关键驱动因素，推出“Scaling Consistency”现象，
即在较小模型上的设计决策能有效扩展至大型模型。Apollo项目引入ApolloBench，一个高效
的视频理解评估基准，及一系列先进的Apollo模型，这些模型在不同规模上均展现出卓越性能，
特别是在处理长视频方面，能高效理解长达数小时的视频。Apollo-3B和Apollo-7B模型在多个
基准测试中超越参数数量更多的模型，标志着视频LMMs研究的新进展。

阅读目录

 * [Apollo是什么](https://paooo.com/aigc-news/24836/#apollo%e6%98%af%e4%bb%80%e4%b9%88)
 * [Apollo的主要功能](https://paooo.com/aigc-news/24836/#apollo%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Apollo的技术原理](https://paooo.com/aigc-news/24836/#apollo%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Apollo的项目地址](https://paooo.com/aigc-news/24836/#apollo%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Apollo的应用场景](https://paooo.com/aigc-news/24836/#apollo%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Apollo](https://paooo.com/wp-content/uploads/2026/07/Apollo-website-1.avif)

## Apollo的主要功能

 * **视频理解能力提升**：Apollo基于大型多模态模型（LMMs）提高对视频内容的理解能力，
   包括时空特征的捕捉和处理。
 * **设计空间探索**：系统性地探索视频LMMs的设计空间，包括视频采样、架构、数据组成、
   训练计划等。
 * **性能优化**：基于发现“Scaling Consistency”现象，Apollo能在较小的模型上进行设计
   决策，并有效地将这些决策转移到更大的模型上，减少计算成本。
 * **高效评估**：引入ApolloBench，一个高效的视频理解评估基准，快速准确地评估模型
   性能。
 * **模型家族**：推出Apollo模型家族，这些模型在不同规模上均展现出卓越的性能，特别
   是在处理长视频方面。

## Apollo的技术原理

 * **Scaling Consistency**：发现在较小模型上有效的设计和训练决策能转移到更大的模型
   上，称为“Scaling Consistency”。
 * **视频采样策略**：Apollo发现帧率（fps）采样在训练和推理过程中优于均匀采样。
 * **编码器选择**：基于实验确定最佳的单编码器和编码器组合，实现最优的视频表示。
 * **令牌重采样**：用Perceiver Resampler进行视觉令牌的重采样，减少每帧的令牌数，
   提高模型效率。
 * **数据混合**：研究不同文本、图像和视频数据的混合比例，发现包含适量文本数据和保持
   轻微视频重量混合能带来最佳性能。
 * **训练计划**：基于多阶段训练计划，逐步解冻不同组件，优化模型训练动态。

## Apollo的项目地址

 * **项目官网**：[apollo-lmms](https://apollo-lmms.github.io/?utm_source=ai-bot.cn)
 * **GitHub仓库**：[https://github.com/Apollo-LMMs/Apollo](https://github.com/Apollo-LMMs/Apollo)
 * **HuggingFace模型库**：[https://huggingface.co/Apollo-LMMs](https://huggingface.co/Apollo-LMMs)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2412.10360](https://arxiv.org/pdf/2412.10360)

## Apollo的应用场景

 * **视频内容分析**：分析视频内容，识别视频中的对象、场景和事件，为视频内容的自动
   标注和索引提供支持。
 * **视频搜索和推荐**：基于理解视频内容，改善视频搜索引擎，提供更精准的搜索结果，
   及个性化的视频推荐。
 * **智能监控**：在安全监控领域，识别异常行为，提供实时分析和响应。
 * **自动驾驶**：Apollo的视频理解能力用在自动驾驶系统中，帮助车辆更好地理解周围环境。
 * **教育和培训**：在教育领域，分析教学视频，提供个性化的学习建议和反馈。

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/24836/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)