HaploVLM：腾讯推出的单Transformer架构多模态理解基础模型，为文本、图像和视频输入提供全面的跨模态理解能力。

统一架构，支持多模态输入和自回归响应生成；高效训练，优化训练配方，降低资源消耗；支持Ascend NPU和GPU环境，灵活适配多种硬件