FastVLM 0.5B
浏览器与轻量实验
适合先用自己的图片验证描述、文字读取和图表问答。
体验 0.5BApple 视觉语言模型
FastVLM
用图片提问，在浏览器中体验，再选择 Python 或 WebGPU 构建自己的应用。
FastVLM 将 FastViTHD 视觉编码器与语言模型结合。先根据设备和任务选择模型大小，再确认权重格式、运行环境和内存需求。
浏览器演示使用社区转换的 FastVLM-0.5B ONNX 模型；首次加载约 1.1 GB。
从适合你的模型开始
模型大小、训练阶段和运行环境是三个不同的选择。此站的浏览器演示运行 0.5B；更大的模型需要合适的本地环境。
FastVLM 1.5B
本地开发
了解 Stage3 权重，并区分 PyTorch、Transformers 与 Apple 原生应用所需的文件。
阅读 Stage3 指南FastVLM 7B
更高的公布基准分数
比较官方测试结果，并在目标硬件上测量实际延迟与内存占用。
比较模型从首次回答到自己的应用
正确理解基准结果
公布的分数只适用于各自的数据集和测试条件，不能直接预测浏览器转换版在你设备上的效果。请在同一测试行内比较模型，并用自己的图片复核。
查看分数与测试条件Mac 与 iOS 指南
模型比较与原始测试
Apple 模型与相关指南
- SHARP Demo：查看真实效果
- 真正能运行的 Apple AI 模型
- Apple Depth Pro：从一张图片得到清晰的绝对深度
- AIMv2：Apple 面向多模态模型的开放视觉编码器
- Luce：从一张图片生成可重打光的 3D 资产
- STARFlow：Apple 以 normalizing flow 替代扩散模型的路线
- Apple Foundation Models：AFM 3 系列解析
- Foundation Models 框架：为你的应用提供端侧 LLM 会话
- 可在端侧运行的小型视觉语言模型
- MobileCLIP2 型号对比与图片分类
- CLaRa-7B-Instruct
- DiffuCoder-7B-Instruct
- 微软A2A：打造AI智能体协作与应用连接的新模式