首页
/ MLC-LLM项目新增Phi-3 Vision多模态模型支持

MLC-LLM项目新增Phi-3 Vision多模态模型支持

2025-05-10 02:05:40作者:尤峻淳Whitney

微软研究院最新推出的Phi-3 Vision多模态大模型即将在MLC-LLM项目中获得原生支持。作为MLC-LLM项目持续扩展模型生态的重要一步,这一进展将为开发者社区带来更强大的视觉-语言联合推理能力。

Phi-3 Vision是Phi系列模型的最新成员,在原有优秀文本处理能力基础上,新增了视觉理解模块。该模型采用128k上下文窗口设计,能够同时处理图像和文本输入,实现复杂的多模态交互。技术实现上,模型通过特殊的视觉编码器将图像转换为视觉token,与文本token一起输入到语言模型中进行联合推理。

MLC-LLM团队在模型支持方面采取了分阶段实施方案。目前已完成基础架构的适配工作,包括模型权重加载、推理流程改造等核心功能。值得注意的是,由于移动端特有的性能约束和内存限制,Android平台的支持仍在优化中,团队表示这是下一阶段的重点开发方向。

对于开发者而言,这一进展意味着未来可以在MLC-LLM的统一框架下,利用Phi-3 Vision实现跨模态应用开发,如图文问答、视觉推理等场景。项目团队建议关注后续的版本更新,以获取完整的移动端支持。

从技术演进角度看,MLC-LLM对Phi-3 Vision的支持体现了该项目在保持轻量化的同时,不断拓展模型能力的战略方向。这也为其他多模态模型在MLC-LLM框架下的实现提供了有价值的参考案例。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
162
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
198
279
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
557
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
346
1.33 K