訓練語言模型（DeepMind的Chinchilla）+預訓練Vision Encoder（DeepMind NFNet-F6，采用CLIP對比損失在圖像文本對數據集上預訓練的）+Perceiver Resampler模塊實現最終輸出固定長度特征。Flamingo可在多種開放式視覺和語言任務中實現快速學習（文本描述補全、VQA / Text-VQA、OCR、數學計算、文本描述、物體計數、語言文本混合理解、人物常識等等），不需要微調，同時在大部分多模態任務上能實現和 GPT-3 一樣的 In-context few-shot推理能力。在眾多基準測試中，Flamingo 的表現優于在數千倍于特定任務數據的基礎上進行微調的模型。根據機器之心，行業內推測OPEN AI最新發布的多模態模型GPT4-V是一個類似 Flamingo的架構。