MGM

Mini-Gemini（MGM）是一个轻量级多模态视觉语言模型框架，专注于提升小规模模型在图像理解、推理与生成任务上的综合能力。其核心技术包括双视觉编码器架构（支持低分辨率全局建模与高分辨率细节捕捉）、兼容多种参数量（2B–34B）的密集与MoE大语言模型主干，并基于LLaVA进行扩展优化。项目支持LLaMA3等主流语言模型底座，提供开源模型、训练数据、评估脚本及在线演示。适用于资源受限场景下的多模态AI研发、学术研究、教育演示及边缘端视觉语言应用原型开发。