siglip2-so400m-patch16-naflex（在qwen3vl之前的最佳clip）

siglip2-so400m-patch16-naflex


我认为现在最好的是qwen3vl了，z-image和qwen-image的区别也是在于3和2.5
以前clip长年不更新的，我研究过它对模型智能的影响可以算是最大。训练集或许主要影响审美偏好。