Apple FastVLM-7B 高效的視覺編碼用於視覺語言模型 使用 Qwen2-7B LLM 的更大變體在使用單個圖像編碼器的情況下，以 7.9 倍的 TTFT 超越了最近的工作，如 Cambrian-1-8B 在 anycoder 中使用它進行視頻字幕應用的 vibe 編碼