Mage
4B参数开源多模态模型，生图、编辑、视频理解全包
代码权重论文全开源，普通显卡就能跑起来，同时覆盖视频实时理解和原生分辨率图像生成编辑。
核心功能
原生分辨率生成
支持512到2048任意分辨率及宽高比直出，无需尺寸桶训练，覆盖极限4:1画幅。
指令式图像编辑
支持背景替换、风格迁移、元素增删等操作，可基于文字指令修改图像。
流式视频理解
能对连续视频流做实时分析，自动生成事件描述和问答，适配直播监控场景。
图像文档问答
对静态图片和文档做描述、OCR和问答，覆盖图表分析等常见需求。
Turbo极速推理
Turbo版4步采样，A100单卡生成1024图像不到0.6秒，编辑也仅需1秒左右。
LoRA微调支持
4B规模支持LoRA轻量微调，普通显卡也能做垂直领域的定制训练。
产品特色
- 01
小参数同时覆盖理解和生成
只用了4B参数就同时做到高质量图像生成编辑和流式视频理解，不靠盲目堆参数，普通显卡跑得动。
- 02
Codec-Native压缩视觉Token
参考视频编码的思路，只保留变化明显的区域，视觉Token减少75%以上，视频推理提速最高3.5倍。
- 03
原生分辨率不需裁剪缩放
直接支持512到2048任意尺寸生成，包括极端宽高比，不用把图裁来裁去或做尺寸桶训练。
- 04
Turbo版出图速度快
4步采样就能出图，1024分辨率在A100上不到0.6秒，编辑也只要1秒左右，做交互式应用延迟低。
- 05
全栈开源协议宽松
代码、权重、论文全部公开，Mage-Flow是MIT协议，Mage-VL是Apache 2.0，商用和研究都比较自由。
- 06
训练数据用量不高
Mage-ViT只用了约5.6亿张图和1亿视频帧从头训练，就达到了对标旗舰编码器的水平。
应用场景
✅ 实时直播解说
流式视频理解能力可实时分析直播画面，自动生成解说词和数据问答。
✅ 智能监控安防
对监控视频做实时异常事件检测与告警，减少人工盯着屏幕的负担。
✅ 电商商品图生成
快速生成商品主图和场景图，支持指令式局部修改，降低拍摄成本。
✅ 社交媒体内容创作
一键完成海报生成、风格迁移和元素增删，做图门槛低了不少。
✅ 边缘设备多模态助手
4B小参数适合部署在手机或IoT设备上，提供本地化的图文视频理解。
✅ 科研模型对比评测
代码权重全开源，方便研究者在同等算力预算下做多模态实验对比。
常见问题
解答您关于"Mage"的常见疑问，让您更好地使用这款AI工具
-
Mage是微软开源的一套轻量级多模态模型家族，固定4B参数规模。包含两个模型：Mage-VL负责图像和视频理解，支持实时流式分析；Mage-Flow负责图像生成和编辑，支持原生分辨率直出和指令式修改。代码、权重和论文全部开源，适合研究和垂直领域应用。
-
4B规模对硬件要求不算高。根据官方数据，Mage-Flow-Turbo在A100单卡上生成1024图像约0.59秒，推理峰值显存在18到20GB左右。消费级显卡如RTX 5090也能跑Turbo版生成，大约3秒一张1024图像。做微调的话LoRA方案对显存要求更低。
-
普通视觉语言模型擅长离线推理，但处理连续视频流时又慢又吃力。Mage-VL参考视频编码的思路，把画面分成关键帧和预测帧，只对变化明显的区域编码，视觉Token减少75%以上，推理速度最高提升3.5倍，更适合实时场景。
-
支持。技术报告中展示了中英文双语文字渲染的生成示例，文字在图像中的呈现效果比较清晰。原生分辨率生成能力对中文海报和文档设计场景比较实用，不用先出图再手动加文字。
-
项目官网在microsoft.github.io/Mage，GitHub仓库是github.com/microsoft/Mage，模型权重在Hugging Face的microsoft/mage集合页可以找到。三个入口都有详细的安装说明和示例代码，按README走就行。
-
可以。Mage-Flow采用MIT协议，Mage-VL采用Apache 2.0协议，Mage-ViT也是MIT协议，都是比较宽松的开源许可。商用前建议确认具体的许可条款，不同组件的协议可能略有差异，以GitHub仓库标注为准。
-
如果你在做实时视频分析、电商图片批量生成、社交媒体内容制作，或者想在边缘设备上做本地化多模态推理，Mage的4B规模和不依赖大显存的特点会比较合适。科研场景下也适合做微调和多模型对比实验。
立即体验“Mage”
微软开源的Mage是一套4B参数的多模态模型家族，包含Mage-VL视频图像理解模型和Mage-Flow图像生成编辑模型。Mage-VL通过Codec-Native编码把视觉Token砍掉75%以上，视频推理提速最高3.5倍，支持实时流式视频理解。Mage-Flow支持512到2048原生分辨率直出，Turbo版4步采样，A100单卡0.6秒出图。代码、权重全部开源，4B规模普通显卡就能跑。
