Interfaze 开源 MoA 模型：单张 80GB GPU 跑 OCR、语音转写与 GUI 定位
charles_irl · x · 2026-10-06
初创公司 Interfaze 发布开源权重模型 interfaze-1-lite，定位"确定性工作"的通用模型，采用 mixture-of-architectures（MoA）架构：一个视觉-语言推理核心调度多个专用感知架构，读取请求、决定调用哪些专家模块并汇总输出，整机可跑在单张 80GB GPU 上、无需外部服务。
主要能力：
- 文档理解：从图片、PDF（单次最多 50 页）、Word 提取文字、阅读顺序、表格与版式，每个词带边界框和置信度
- 语音：带时间戳的转写与说话人分离，95 分钟录音约 90 秒完成
- 视觉定位：开放词表目标检测与 GUI 元素定位（面向 computer-use agent）
- 结构化输出：按给定 JSON schema 输出，可综合文本、图像、文档、音频
- 另支持 160+ 语言翻译、时间序列预测与安全护栏
Apache-2.0 许可，已在 Hugging Face 上线。
「编程与Agent」频道最新
- 他用 Claude 做出宝可梦式韩语学习游戏,免费开放试玩 — EstanislaoStan · 2026-10-06
- 两年自建本地 AI「操作系统」Aether:记忆、编排与故障恢复全栈 — Budget_One_8784 · 2026-10-06
- 开发者发问：为何 AI 从不选 Java？训练语料欠采样或是主因 — HanchungLee · 2026-10-06
- Andrew Warner 演示 Grok Bot 12 种用法：从会议善后到收件箱分诊 — brandon_galang · 2026-10-06
- StackOverflow 调查:65% 开发者用编程 agent,六成却刻意回避 AI — pchandrasekar · 2026-10-06
- teenytiny.computer 亮相:为 Agent 打造人机共用的云端 Linux 虚拟机 — pritisinghhhh · 2026-10-06