微软开源4B规模codec-native流式多模态模型，用于图像和视频理解。
推荐理由：Mage-VL把视频编解码结构引入VLM，区分I/P帧减少逐帧ViT计算，指向低延迟流式感知而非离线推理堆算力。
阅读原文