仅22MB的端侧VLM Mirage发布：单次前向完成检测OCR分割
alexcovo_eth · x · 2026-11-07
Cactus Compute 发布 Mirage，一个面向手机、可穿戴和机器人的小型视觉语言模型：
- 仅 51.3M 参数、约 22 MB（2-bit Cactus Quants 量化），单次前向同时完成场景描述、目标检测、OCR、分割掩码、空间关系分析和结构化决策
- 在 Samsung Galaxy S26 上端到端耗时 NPU 74ms / CPU 107ms，支持浏览器本地运行
- 支持英德法西意荷波 7 种语言的图像描述
- 为换通用语言能力做了取舍，对标 SmolVLM2-500M、LFM2.5-450M、Florence2-230M 等小 VLM
- 组合用法：把 Mirage 的结构化输出喂给纯文本 Qwen3-0.6B，在 256 道 VQAv2 问题上不微调即可从 9.3 分涨到 31.3 分
所属事件:22MB 端侧视觉模型 Mirage 单次前向完成检测 OCR 分割(2 条相关)→
「具身」频道最新
- DaxAI 骑乘机器马开售，售价 4.3 万美元 — luisdans · 2026-11-07
- ROS 开源机器人周报:ROSCon Italy 成功举办,多条新项目亮相 — kscottz · 2026-11-07
- Dream-1 零样本操控装在扫地机器人上的 SO-101 机械臂 — scott_e_reed · 2026-11-07
- Eka Robotics 将亮相 CoRL 并开放技术团队招聘 — pulkitology · 2026-11-07
- XM4D 论文：用可验证几何优化从单目视频做 4D 重建 — kwangmoo_yi · 2026-11-07
- NVIDIA Lyra 2.0:一张图生成可探索的 3D 世界,登陆 SIGGRAPH Asia — NVIDIAAI · 2026-11-07