一张数字病理切片，就像把整块显微镜玻片拍成一幅超高清地图：它常超过十亿像素，AI 分析一张便要处理数千个小图块。研究若覆盖数万名患者，还要围绕不同标志物和患者分组反复验证，算力成本很快成为瓶颈。
微软推出 GigaPath-Flash 和 GigaTIME-Flash，目标是把这套分析工具变轻。核心做法是模型蒸馏——让小模型学习大模型已经掌握的组织形态特征，以较少计算尽量保留效果。其中，GigaPath-Flash 的图块与整张切片编码器规模为 2200 万参数；GigaTIME-Flash 则用蒸馏后的 ViT-S 编码器替换原有 CNN 骨干，用普通染色切片预测空间蛋白质组图谱。微软作者称，两款模型在不牺牲病理分析表现的情况下显著降低计算需求，使跨大型患者队列反复寻找疾病规律、标志物和临床结局关联更可行。
它们目前仍是研究模型，尚未为诊断、预后或治疗选择等临床用途验证，表现也可能随数据集、扫描设备、机构和人群而变化。