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。
「多模态」频道最新
- Seedream 5 Lite 参考资产锁定五镜头视频一致性 — LudovicCreator · 2026-07-28
- 开源漫画上色工具 2.0 支持一键本地部署 — Gladioul666 · 2026-07-28
- Magnific 展示单提示词直出摄影感 AI 图像 — gen_ericai · 2026-07-28
- 纯提示词演示展示 LTX 2.3 视频生成片段 — Brojakhoeman · 2026-07-28
- AI 生成猫咪冒险视频全球爆红，播放量超 2000 万 — aziz4ai · 2026-07-28
- Hugging Face 开源本地语音到语音代理框架 — huggingface · 2026-07-28