Mage-VL 模型参数、许可证与获取服务

中文简介

Mage-VL 利用视频编码结构区分关键帧与预测帧，只为变化区域分配更多视觉 token，结合语言骨干处理图像和流式视频。它关注实时感知的计算开销。

UPSTREAM README

上游模型卡 / 数据集卡

简体中文（默认）上游原文

【定位与用途】
Mage-VL 利用视频编码结构区分关键帧与预测帧，只为变化区域分配更多视觉 token，结合语言骨干处理图像和流式视频。它关注实时感知的计算开销。

【如何选择】
用于视频理解与连续场景问答研究，对比均匀抽帧和编码感知采样。

【版本与获取范围】
选型方向：图像、文档与视频。固定上游版本：d88b153285f1633a61b2f693c59c8576693af185。API 任务字段：image-text-to-text。API 架构字段：MageVLForConditionalGeneration。上游最近更新时间：2026-08-10（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

【容易混淆的边界】
需要相应视频解码与运动信息处理流程，不能只替换语言模型权重；速度收益取决于视频内容和运行配置。

本节是本站基于固定版本卡片编写的中文选型摘要，并非原文逐句翻译。完整操作、评测协议与许可原文请查看上游固定版本链接；模型效果及资源处理需求尚未由本站实测。

基于固定版本上游资料编写的中文选型说明 · 2026-09-20 15:03

本页提供中文选型摘要，请通过上方固定版本链接查看完整上游模型卡或数据集卡。

适用场景

用于视频理解与连续场景问答研究，对比均匀抽帧和编码感知采样。

模型参数

选型方向：图像、文档与视频。固定上游版本：d88b153285f1633a61b2f693c59c8576693af185。API 任务字段：image-text-to-text。API 架构字段：MageVLForConditionalGeneration。上游最近更新时间：2026-08-10（不一定为首次发布日期）。规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 78 个文件，文件元数据合计 10.10 GB。已保存文件清单中的主要扩展名：.py 42 个、.json 10 个、.h 5 个、.cpp 4 个、.safetensors 3 个、.txt 3 个。当前较大的文件包括：model-00001-of-00002.safetensors（4.63 GB）；model-00002-of-00002.safetensors（4.21 GB）；streammind_gate.safetensors（1023.76 MB）。此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

.gitattributes1.90 KB
added_tokens.json605 B
assets/mage-vl-cover.png2.59 MB
assets/mage-vl-framework.png1.45 MB
chat_template.jinja1017 B
codec_video_processing_mage_vl.py25.74 KB
config.json3.17 KB
configuration_mage_vl.py4.81 KB
examples/dog.jpg512.89 KB
examples/soccer-broadcast.mp43.73 MB
generation_config.json121 B
inference.py5.85 KB

硬件建议

先选定所需权重格式和精度，再核对推理代码、依赖与目标硬件。仓库元数据合计可能包含多个变体、视觉组件或示例，不能用来直接推算运行显存；内存还受上下文、缓存、批量和并发影响，应以小样本实测确定配置。

注意事项

需要相应视频解码与运动信息处理流程，不能只替换语言模型权重；速度收益取决于视频内容和运行配置。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。