I reduced image-processing token usage by ~95% compared with GPT-4o direct vision, while maintaining roughly the same accuracy.How significant is that?[P]

I reduced image-processing token usage by ~95% compared with GPT-4o direct vision, while maintaining roughly the same accuracy.How significant is that?[P]

作者测试了一种降低图像基 LLM 推理成本的新方法，在 MOMA Graph 基准（1,315 个问题）上，相比直接使用 GPT-4o 处理原图，实现了约 95% 的 token 使用量下降且保持大致相同的准确率。该方法目前仍处于开发阶段，作者暂未分享具体实现细节，正通过该基准验证结果强度并寻求社区反馈以评估其在多模态 AI 效率方面的意义。