微软发布Mage-VL模型
微软在Hugging Face发布Mage-VL，这是一个面向图像与视频理解的4B级多模态基础模型。其采用类视频编码器思路区分I帧与P帧，仅保留运动和新增细节相关视觉token，以降低实时流式感知的计算开销。
事件进展（1 篇报道）
-
2026-07-29 02:47
微软在Hugging Face发布Mage-VL，这是一个面向图像与视频理解的4B级多模态基础模型。其采用类视频编码器思路区分I帧与P帧，仅保留运动和新增细节相关视觉token，以降低实时流式感知的计算开销。