Mage(两分钟阅读)
摘要
微软推出Mage,一个紧凑型4B参数多模态模型系列,专为视觉理解与生成而设计,可在适中的硬件上轻松训练与部署,同时与更大的开源模型保持竞争力。
Mage是一个轻量级、适合研究的多模态模型系列。它采用固定的4B参数预算构建。这些模型足够紧凑,可在适中的硬件上进行训练、微调和部署,同时与更大的开源系统保持竞争力。Mage-VL是一个高效的编解码器原生流式多模态基础模型,Mage-Flow是一个高效的原始分辨率图像生成与编辑基础模型。
查看缓存全文
缓存时间: 2026/07/29 18:24
# Mage——轻量级、研究友好的多模态模型家族
来源:https://microsoft.github.io/Mage/
Mage家族
**Mage**是一个轻量级、研究友好的多模态模型家族,构建在固定的**4B参数**预算下,共享*编解码器对齐的效率*理念——*在信号所在之处花费表示能力*——涵盖视觉**理解**和**生成**。这两个模型足够紧凑,可以在普通的硬件上训练、微调和部署,同时仍然与更大的开放系统保持竞争力。
相似文章
Mage (GitHub 仓库)
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。
microsoft/Mage-Flow
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。
@HuggingModels:认识一下 Mage-VL,多模态 AI 的游戏规则改变者!它在一个模型中处理图像、文本甚至视频理解。……
Mage-VL 被介绍为一款多模态 AI 模型,它在一个模型中处理图像、文本和视频理解,从而支持更丰富的交互式应用。
microsoft/Mage-VL · Hugging Face - 一个高效的编解码器原生流式多模态基础模型
微软推出了Mage-VL,这是一个编解码器原生的流式多模态基础模型,用于图像和视频理解。通过采用受视频编解码器启发的稀疏模式,该模型实现了高达3.5倍的推理加速,同时将视觉令牌减少了超过75%。
microsoft/Mage-Flow-Edit-Turbo
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。