🧠 مایکروسافت مدل جدید Mage-VL رو منتشر کرد؛ یک مدل چندوجهیِ «کدک-محور» برای درک ویدیو و استریم زند…
انتشار: 2026/07/27 05:52 UTCدریافت: 2026/08/12 10:45 UTCآخرین مشاهده: 2026/08/12 10:45 UTC
🧠 مایکروسافت مدل جدید Mage-VL رو منتشر کرد؛ یک مدل چندوجهیِ «کدک-محور» برای درک ویدیو و استریم زندهمایکروسافت دو مدل بههممرتبط رو روی HuggingFace منتشر کرده:🔹 مدل Mage-VL — مدل چندوجهیِ ۴ میلیارد پارامتری (بر پایهی Qwen3-4B) که همزمان تصویر، ویدیوی کوتاه/بلند و استریم زنده رو درک میکنه.🔹 مدل Mage-ViT — انکودر بصری همین مدل، که کاملاً از صفر (بدون هیچ پیشآموزش تصویر-متنِ میلیاردی) آموزش دیده.✨ ایدهبهجای اینکه ویدیو رو به فریمهای یکنواخت تبدیل کنن و همهشون رو به مدل بدن (که پرهزینهست)، از منطق کدکهای ویدیویی (مثل H.264/HEVC) الهام گرفتن: فقط فریمهای کلیدی (I-frame) کامل نگه داشته میشن و از فریمهای پیشبینیشده (P-frame) فقط بخشهایی که واقعاً حرکت/تغییر دارن انتخاب میشن. نتیجه؟• کاهش بیش از ۷۵٪ در تعداد توکنهای بصری• تا ۳.۵ برابر سرعت بیشتر در inference• آموزش روی ویدیوهایی تا ۸ برابر طولانیتر با همون بودجهی محاسباتی📊 عملکرد:با همون بکبون ۴B، در تقریباً همهی بنچمارکهای ویدیویی و درک مکانی از Qwen3-VL-4B جلوتره (مثلاً +۲۲.۵ در QVHighlight و +۱۱ در VSI-Bench)، و در تصاویر استاتیک همسطح یا کمی بهتره.🎙️ یه قابلیت جالب دیگه: یک «گیت شناختی» سبک داره که مدل رو در حالت استریم فقط وقتی «رویداد قابلتوجهی» رخ بده فعال میکنه (مثلاً روی گزارش زندهی فوتبال تست شده) — بدون نیاز به چند مدل جدا.🔗 Mage-VL: https://huggingface.co/microsoft/Mage-VL🔗 Mage-ViT: https://huggingface.co/microsoft/Mage-ViT
پستهای تلگرام — آموزش LLM و VLM
تو این لیست جای این روش خالیهhttps://t.me/llm_huggingface/189
اگر کسی وب و کلاینت کار میکنه، این دوره را نیز به مدت محدود میتوانید رایگان ببینید:مینی دوره ساخت هوش مصنوعی شخصی در مرورگر COUPON-B7F7C
🔥 فرصت طلایی یادگیری هوش مصنوعی از امروز شروع میشه!اگه دنبال یه بهونه بودین که بالاخره وارد دنیای AI و LLM بشین، بهترین زمانشه ⚡️به مناسبت انتشار دوره جدید، 70 درصد تخفیف روی همه دورههای #هوش_مصنوعی، #LLM و پردازش_تصویرآموزش هوش مصنوعی مولد با مدلهای زبانی بزرگ (LLM)https://mktb.me/04dr/COUPON-D9D48آموزش مدلهای زبانی-تصویری (VLM): از درک تصویر و ویدیو تا فاینتیون پیشرفتهhttps://mktb.me/e3gx/COUPON-A7E3Cآموزش جامع یادگیری عمیق (Deep Learning) با Tensorflow و kerashttps://mktb.me/2klm/COUPON-17464آموزش پردازش تصویر و بینایی ماشین با OpenCVhttps://mktb.me/81nt/COUPON-8A401دورهی آموزشی ویدیویی Graph Neural Networkhttps://class.vision/product/graph-neural-network/gnn_enagen⚡️ زمان محدود - فرصتو از دست ندین! (فقط تا دوشنبه)
📢 اگر پست دیروز را ندیدید...دوره Agentic AI با پایتون منتشر شده و از مفاهیم پایه تا ساخت Agentهای حرفهای، MCP، Tool Use، سیستمهای چندعامله با crewAI، LangChain و پروژهی نهایی Text-to-SQL را بهصورت عملی آموزش میدهد.🎁 هنوز کد تخفیف ۶۰٪ برای تعداد محدودی از ثبتنامها فعال است:COUPON-6EE77https://mktb.me/m6tt/اگر قصد یادگیری Agentic AI را دارید، پیشنهاد میکنم فرصت باقیمانده را از دست ندهید.📚 سرفصلها، اسلایدها، تمرینها و پروژهها:👉 @agentic_llm
در صورتی که به مدرک مکتبخونه نیاز ندارید، میتوانید کوییزها، و تمرینها و پروژهها را از طریق کانال دانلود کنید:لینک کانال: https://t.me/agentic_llmلینک دوره: https://mktb.me/m6tt/هنگام خرید، کافیست گزینهی «دسترسی پایه» را تیک بزنید تا فقط به ویدیوها دسترسی داشته باشید و بتوانید با هزینهی کمتری ثبتنام کنید.@agentic_llm
