多模态模型显存：加上视觉侧账目

多模态模型还要算视觉开销：编码器权重与激活、图像 token 化后进入上下文的 KV、预处理缓冲；图 token 随分辨率增长，按「等效文本 token」折算。

折算思路

单图 token 数 = f(分辨率, 切图策略)
图 token 的 KV 成本 = 图 token 数 × bytes/token（同文本公式）
+ 视觉编码器权重与激活

多图请求把图 token 计入窗口：并发评估按「文本 + 图」的总 token 计算。

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌