微软在 Hugging Face 发布 Mage-VL 4B，主打流式视频理解
multimodalart · x · 2026-07-27
微软在 Hugging Face 上发布了 Mage-VL 4B，它被描述为一款 codec-native 的流式 VLM。
这类模型可以边看边描述正在发生的事件，并且支持用提示词指定你关心的瞬间，例如：
- 列车到站的那一刻
- 足球进球的瞬间
帖子同时给出了 Hugging Face Spaces 演示，说明已经可以直接上手试用。
所属事件:微软发布 4B 流式多模态模型 Mage-VL(5 条相关)→
「多模态」频道最新
- fal 发布生成式媒体行业报告第二卷：图像视频音频 3D 已进入生产 — round · 2026-09-23
- 用户给 Opus 5.5 三小时预算,模型自主拍出九龙超现实恐怖短片 — rainbird · 2026-09-23
- AI 生图博主分享高速公路场景 prompt,自晒连续出图效果 — techhalla · 2026-09-23
- Opus 5.5 生成 2000 年代风格火柴人格斗动画 — JasonBotterill · 2026-09-23
- 《平常》:AI 生成九龙城寨题材恐怖短片引发关注 — rainbird · 2026-09-23
- 截图角色配一条提示词即可生成同款角色 — iamaliveix · 2026-09-23