マイクロソフトは、40億個のパラメータを持つマルチモーダルモデル群であるMageをオープンソース化した。

マイクロソフトは、ストリーミングビデオ/画像理解モデルMage-VLと画像生成・編集モデルMage-Flowを含む、40億パラメータのマルチモーダルモデルであるMageファミリーをオープンソース化しました。Mage-VLはCodec-Nativeエンコーディングを使用し、ビジュアルトークンを75%削減し、ビデオ推論を3.5倍高速化することで、リアルタイムストリーミング理解をサポートします。Mage-Flowは、512から2048までの任意のネイティブ解像度で、テキストから画像への処理と命令編集をサポートします。Turboバージョンではサンプリングステップはわずか4ステップで済み、単一のA100 GPUで0.6秒で画像を出力できます。