Microsoft Mage
NexusAi 摘要： 这是一个精简且以研究为导向的多模态模型系列，融合了原生编解码器的视频理解、原生分辨率图像生成，以及 GUI 与代码相结合的混合策略，适用于实际的桌面操作和视觉语言工作流。
NexusAi 概览
Mage 工作流围绕精简的模型检查点和模块化方案展开：将视频作为编解码器帧流式输入，使用与编解码器对齐的编码器进行理解，并调用原生分辨率生成器，实现像素级精准编辑。这套工具让研究人员无需大型基础设施，也能开展迭代式研究。
功能与架构
Mage 面向机器学习研究人员、系统工程师，以及正在开发多模态功能原型或桌面自动化概念验证的团队。在原生像素保真度、流式视频理解和混合交互策略至关重要的场景中，它尤其有用，例如人机交互研究、快速迭代图像编辑，以及需要交替执行 GUI 操作和代码的实验性自动化智能体。
- 原生编解码器视频输入让模型能够对压缩帧进行流式处理和推理。
- 原生分辨率生成支持图像编辑和升采样，无需耗费大量资源进行图块处理。
- 混合策略能够学习如何结合 GUI 交互与程序化执行。
- 精简的 4B 参数架构兼顾效率，同时支持编辑和理解任务。
- 开放的研究导向和模块化方案让实验更简单，也更易于复现。
核心优势
研究重点
从已发布的代码、模型检查点和训练方案入手：使用常见 GPU 进行小规模微调，在编解码器帧输入上测试 Mage-VL，并使用 Mage-Flow 开展原生分辨率编辑实验。项目页面提供示例训练框架和渐进式课程，帮助复现混合训练结果；在扩大规模之前，用户通常需要根据自己的数据集和验证流程调整所提供的框架。
NexusAi: Mage 将原生编解码器视频理解与精简的原生分辨率生成相结合，让 4B 规模的实用多模态研究成为可能。
快速上手
Mage 的优势在于通过工程设计将模型能力集中于高信号模态：用于视频的原生编解码器输入、保障像素保真度的原生分辨率生成器，以及融合 GUI 操作与代码的混合策略。对于希望在有限规模下使用模块化、可复现架构的研究人员而言，Mage 能降低迭代成本，同时保留编辑、流式分析和桌面自动化实验所需的实用能力。
打开该工具并查看其核心产品体验。
创建账户或进入你已有的工作空间。
使用你自己的任务判断速度、质量和适配度。
在最终决定前查看类似 AI 工具。
Microsoft Mage
Microsoft Research 开发 Mage，旨在支持高效的多模态实验。团队专注于编解码器感知建模、精简的生成架构和可复现的训练方案，助力研究人员和工程团队快速迭代。
Microsoft Mage 是一个轻量、面向研究的多模态模型系列，参数规模为 4B。它将可流式处理压缩视频的原生编解码器视觉语言编码器、原生分辨率生成架构，以及 GUI 与代码相结合的混合策略融为一体。该项目注重可复现的训练方案、精简的推理架构（Mage-VL、Mage-Flow、Mage-VL-Cowork），以及将表征能力分配给高信号模态的工程设计。Mage 的目标是让研究人员和工程师能够在有限算力上开展多模态实验，围绕原生像素开展编辑和理解任务的迭代，并试验结合点击操作与代码的混合自动化策略。此次发布包含模型检查点、训练框架和课程设计，旨在加速可复现研究，而非默认面向生产环境部署。
访问 Microsoft Mage
评论 (0)
暂无评论