AI最前沿 88Z.ai 8 月 19 日消息，微软发布开源多模态模型家族 Mage，涵盖视觉理解与图像生成两大核心能力。其中 Mage-VL 通过 Codec-Native 编码大幅降低视觉 Token 数量，显著提升视频推理速度并支持实时流式处理；Mage-Flow 则专注于高分辨率图像生成与编辑，凭借 Turbo 版本的高效采样机制，在单张 A100 显卡上可实现极速出图，满足多样化分辨率需求。
消息要点
- Mage-VL 采用 Codec-Native 编码，视觉 Token 减少 75%，视频推理提速 3.5 倍
- Mage-Flow Turbo 版仅需 4 步采样，A100 单卡 0.6 秒完成图像生成
要点
微软正式开源拥有 40 亿参数的多模态模型家族 Mage，该系列主要包含面向流式视频与图像理解的 Mage-VL，以及专注于图像生成与编辑的 Mage-Flow。Mage-VL 引入 Codec-Native 编码技术，使视觉 Token 数量减少百分之七十五，视频推理速度提升 3.5 倍，并具备实时流式理解能力。Mage-Flow 支持 512 至 2048 之间的任意原生分辨率进行文生图及指令编辑。其 Turbo 版本仅需四步采样，在单张 A100 显卡上耗时 0.6 秒即可生成图像，展现了高效的生成性能。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- Mage原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。