# Ivy-VL – AI Safeguard联合卡内基梅隆和斯坦福开源的轻量级多模态模型 - Link: https://paooo.com/aigc-news/24808/ - Published: 2026-07-09T20:48:29+08:00 - Author: 站外新闻 ## Ivy-VL是什么 Ivy-VL是AI Safeguard联合卡内基梅隆大学和斯坦福大学推出的轻量级多模态AI模型，专为 移动端和边缘设备设计。模型拥有3B参数量，相较于其他多模态[大模型](https://paooo.com/ai-study/)， 显著降低计算资源需求，能在AI眼镜、智能手机等资源受限设备上高效运行。Ivy-VL在视觉 问答、图像描述、复杂推理等多模态任务中展现卓越的性能，在OpenCompass评测中取得4B以下 模型最佳成绩。 阅读目录 * [Ivy-VL是什么](https://paooo.com/aigc-news/24808/#ivyvl%e6%98%af%e4%bb%80%e4%b9%88) * [Ivy-VL的主要功能](https://paooo.com/aigc-news/24808/#ivyvl%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Ivy-VL的技术原理](https://paooo.com/aigc-news/24808/#ivyvl%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Ivy-VL的项目地址](https://paooo.com/aigc-news/24808/#ivyvl%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Ivy-VL的应用场景](https://paooo.com/aigc-news/24808/#ivyvl%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![Ivy-VL](https://paooo.com/wp-content/uploads/2026/07/Ivy-VL-website-1.avif) ## Ivy-VL的主要功能 * **视觉问答（Visual Q&A）**：理解和回答与图像内容相关的问题。 * **图像描述（Image Description）**：模型能生成描述图像内容的文本。 * **复杂推理（Complex Reasoning）**：处理涉及多步骤推理的视觉任务。 * **多模态数据处理**：在智能家居和物联网（IoT）设备中，处理和理解来自不同模态（ 如视觉和语言）的数据。 * **增强现实（AR）体验**：在智能穿戴设备中，支持实时视觉问答，增强AR体验。 ## Ivy-VL的技术原理 * **轻量化设计**：Ivy-VL仅有3B参数，在资源受限的设备上更加高效。 * **多模态融合技术**：Ivy-VL结合先进的视觉编码器和强大的语言模型，实现不同模态之间 的有效信息融合。 * **视觉编码器**：用Google的`google/siglip-so400m-patch14-384`视觉编码器处理和理解 图像信息。 * **语言模型**：结合`Qwen2.5-3B-Instruct`语言模型理解和生成文本信息。 * **优化的数据集训练**：基于精心选择和优化的数据集进行训练，提高模型在多模态任务 中的表现。 ## Ivy-VL的项目地址 * **项目官网**：[ai-safeguard.org](https://ai-safeguard.org/?page_id=574?utm_source=ai-bot.cn) * **HuggingFace模型库**：[https://huggingface.co/AI-Safeguard/Ivy-VL](https://huggingface.co/AI-Safeguard/Ivy-VL-llava) * **在线体验Demo**：[https://huggingface.co/spaces/AI-Safeguard/Ivy-VL](https://huggingface.co/spaces/AI-Safeguard/Ivy-VL) ## Ivy-VL的应用场景 * **智能穿戴设备**：提供实时视觉问答功能，辅助用户在增强现实（AR）环境中获取信息。 * **手机端智能助手**：提供更智能的多模态交互能力，如图像识别和语音交互，提升用户 体验。 * **物联网（IoT）设备**：在智能家居和IoT场景中实现高效的多模态数据处理，如用图像 和语音控制家居设备。 * **移动端教育与娱乐**：在教育软件中增强图像理解与交互能力，推动移动学习和沉浸式 娱乐体验。 * **视觉问答系统**：在博物馆、展览中心等场所，用户用拍照提问，系统提供相关信息。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)