Zamba2-VL 模型提供更快的视觉-语言处理速度

研究人员推出了一系列新的视觉-语言模型 Zamba2-VL，该模型利用了结合 Mamba2 状态空间层和 Transformer 块的混合架构。这些模型在各种视觉和语言任务上表现出色，可与 Molmo2 和 Qwen3-VL 等成熟的基于 Transformer 的模型相媲美。Zamba2-VL 的一个关键优势是其显著更快的首个 token 生成时间，这使其特别适合设备端和边缘部署。 AI

影响 为视觉-语言任务提供更快的推理速度，有可能实现更具响应性的设备端 AI 应用。

排序理由 该集群包含一份技术报告，详细介绍了在 arXiv 上发布的一套新的视觉-语言模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Cobra
• Hassan Shapourian
• InternVL3.5
• Mamba2
• mmMamba
• Molmo2
• Qwen3-VL
• VL-Mamba
• Zamba2-VL

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →