5月13日，苹果机器学习团队在GitHub开源了视觉语言模型FastVLM，提供0.5B、1.5B、7B三个版本。该模型基于苹果自研MLX框架开发，并借助LLaVA代码库训练，专为Apple Silicon设备优化。FastVLM的核心是FastViTHD混合视觉编码器，在保持精度的同时，实现高分辨率图像的近实时处理，所需计算量远低于同类模型。相比其他模型，FastVLM的体积更小、速度更快，尤其在移动端表现出色。苹果计划于2027年推出智能眼镜，FastVLM的技术将为其提供支持，助力实现设备的实时视觉交互。此外，FastVLM兼容主流AI开发语言，表明苹果正在构建端侧AI技术生态。