Mage (GitHub 仓库)

TLDR AI 模型
multimodal vision-language text-to-image image-editing 4b-parameters research-friendly microsoft

摘要

微软发布了Mage，这是一系列轻量级拥有40亿参数的多模态模型，用于视觉理解和生成。包括用于图像/视频理解的Mage-VL和用于文生图及图像编辑的Mage-Flow，专为在常规硬件上进行研究和部署而设计。

Mage是一系列轻量级、对研究友好的多模态模型，旨在使先进的视觉理解和生成能够用于在现实计算预算下的受控实验、训练后研究以及垂直领域应用。这些模型足够紧凑，可以在常规硬件上进行训练、微调和部署。它们在各自领域与更大的开放系统相比仍具有竞争力。这些模型仅用于研究，不用于产品或服务部署。
查看原文
查看缓存全文

缓存时间: 2026/07/22 21:30

微软 Mage 团队

相似文章

microsoft/Mage-Flow

Hugging Face Models Trending

Microsoft发布Mage-Flow，一个紧凑的4B参数基础模型，用于高效的原生分辨率文生图和基于指令的图像编辑，实现了与更大模型相媲美的质量。

Mage-Flow：一个高效的原始分辨率基础模型，用于图像生成和编辑

Hugging Face Daily Papers

Mage-Flow 是一个紧凑的 4B 参数生成栈，用于高效的文本到图像生成和基于指令的图像编辑，具有共同设计的轻量级分词器（Mage-VAE）和经过整流流匹配训练的原生分辨率多模态扩散变换器。它在单个 A100 GPU 上实现 0.59 秒的高分辨率生成，同时达到具有竞争力的性能。

microsoft/Mage-Flow-Edit-Turbo

Hugging Face Models Trending

微软发布了Mage-Flow-Edit-Turbo，一种紧凑的4B参数规模的生成模型，用于高效的文本到图像生成和基于指令的图像编辑，通过协同设计的标记器和骨干网络实现了具有竞争力的最先进质量。