Một mô hình thị giác chỉ nặng khoảng 22 MB nhưng có thể xử lý trọn gói từ nhận diện, đọc chữ đến phân vùng hình ảnh trực tiếp trên thiết bị đầu cuối. Cactus Compute vừa phát hành Mirage, mô hình đa phương thức mã nguồn mở (image-text-to-text) hướng tới điện thoại, thiết bị đeo và robot: • Quy mô 51,3 triệu tham số (51.3M parameters), nén về dung lượng xấp xỉ 22 MB nhờ chuẩn lượng tử hóa 2-bit Cactus Quants. • Tốc độ xử lý trọn gói đạt 74 mili-giây trên NPU hoặc 107 mili-giây trên CPU của Samsung Galaxy S26, theo công bố từ hãng. • Đạt hơn 6 nghìn lượt tải trên Hugging Face ngay trong tuần đầu phát hành mã nguồn theo giấy phép Apache 2.0. Mô hình gom 6 tác vụ thị giác vào một lượt quét duy nhất (single pass): miêu tả ngữ cảnh, định vị vật thể, phân đoạn mặt nạ (segmentation), nhận diện ký tự quang học (OCR), xác định quan hệ không gian và điền biểu mẫu quyết định. Dù vậy, với dung lượng siêu nhỏ 22 MB, Mirage hướng đến mục tiêu thử nghiệm suy luận hình ảnh cục bộ (on-device inference) thay vì cạnh tranh độ chính xác chi tiết với các mô hình thị giác đám mây quy mô hàng tỷ tham số. Khả năng nén VLM xuống 22 MB mở đường cho các tác vụ tự động hóa thị giác chạy độc lập trên phần cứng tiêu dùng mà không phụ thuộc hạ tầng đám mây. - @dcgr.tech