Mage-VL

Mage-VL 出自 Microsoft，采用开源权重方式发布，许可证为 Apache-2.0，输入模态覆盖文本与图像，输出为文本。它所解决的问题集中在图文联合理解：把图像信息与文字指令放进同一上下文，输出描述、答案或结构化文字结果。就公开信息看，官方尚未标注其所属系列，也没有公布参数量、上下文长度、视觉输入规格与能力清单，因此对它的认识更适合停留在“开源、多模态输入、文本输出”这条主线上。对本资料站的使用者来说，Mage-VL 的价值不在价格对比，因为官方价格未公开，也没有第三方平台接入；价值在于权重可获取、许可宽松，能够在私有环境里部署与微调，适合对数据不出域有要求、又需要图像理解能力的团队做技术验证。需要提醒的是，目前没有任何第三方跑分可引用，选型时应以自建评测为准，不宜直接对标同厂 Phi 系列的公开成绩。

选型建议需要开源、可自托管且以图像理解为主的团队值得评估；若选型依赖公开跑分与明确 API 报价，应暂缓并先补齐自建评测。

• 在自有算力环境部署图文问答服务，处理商品图片与用户提问的配对理解
• 对截图、扫描件做前置图像理解并生成内容描述，供后续文本流程使用
• 基于 Apache-2.0 权重做领域微调，适配工业质检、票据识别等垂直图文任务
• 为无障碍产品批量生成图片替代文本，降低对闭源接口的依赖
• 搭建内部多模态检索原型，验证图像加文本查询链路的可行性

Mage-VL 属于典型的视觉语言模型路线，由视觉侧编码与语言侧解码组合完成图文到文本的生成；具体参数量、层数与视觉分辨率等细节，公开资料较少。

• 结构采用视觉编码器加语言模型解码器的常见组合，图像经编码后与文本指令一同进入语言侧，由语言侧输出文字结果。
• 能力输入为文本与图像、输出仅文本，适合图像描述、图文问答、截图与文档理解等单向生成任务，不具备图像生成能力。
• 披露官方未公布参数量、上下文长度与视觉输入规格，权重以 Apache-2.0 开放，建议直接查阅模型卡与配置文件确认细节。

开源权重

是

模型家族

—

许可证

apache-2.0

参数规模

—

目前没有可引用的第三方跑分，能力判断只能停留在定性层面；实际表现建议用自有业务数据做小样本评测后再下结论。

• 强项多模态输入覆盖图像与文本，配合 Apache-2.0 的宽松许可，便于本地部署、私有化改造与面向垂直领域做二次微调。
• 短板缺少公开跑分与上下文、视觉分辨率等关键规格，难以与同厂 Phi 系列做量化比较，上线前需自行搭建评测基线。
• 适合对数据合规敏感、希望自建推理链路的团队，可优先用于图像描述、图文问答等通用理解任务，暂不宜承担高精度专业判读。

官方价格未公开，第三方平台接入数为 0 家，因此没有可对照的按 token 报价，成本讨论只能围绕自建推理展开。

• 定位权重开源且许可为 Apache-2.0，直接成本主要是自建推理的算力与运维投入，而非按调用量计费的 API 账单。
• 横向对比同厂 Phi-4 Multimodal Instruct 等模型有公开 token 价，Mage-VL 未公开价格，双方无法直接换算价差。
• 平台差价当前没有供应商接入，缺少不同平台之间的价格对照，若后续有托管服务出现，需以官方与平台披露为准。
• 省钱可先用同厂小参数 Phi 模型跑通图文任务基线，确认图像理解确为瓶颈后，再投入资源自建 Mage-VL 推理。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站没有该模型的能力标注与第三方跑分，性能判断只能定性描述，不应引用任何具体分数或榜单名次。
• 边界官方未公开参数量、上下文长度与视觉输入上限，长文档、多图、视频等形态暂无依据，商用条款也需以许可证原文为准。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。