InternLumina-U2 vs Microsoft Mage-VL: Twee stille laboratoria die wedden dat visietokens meer zouden moeten dragen

Microsoft Mage-VL en InternLumina-U2 zijn allebei uitgebracht op de manier waarop onderzoekslabs modellen publiceren wanneer ze nog niet zeker weten of het resultaat al een product is: stilletjes. Microsoft publiceerde de Mage-VL-gewichten en -code op Hugging Face op 25 juli 2026 zonder enige aankondiging; de InternLM-organisatie van het Shanghai AI Laboratory publiceerde de InternLumina-U2-inferentiecode op GitHub op 1 september 2026, eveneens zonder aankondiging. Met vijf weken verschil zetten twee van de grootste labs ter wereld modellen online die een stille overtuiging delen — dat de manier waarop we visie omzetten in tokens de bottleneck is — en lieten ze vervolgens aan de community over om ze op te merken. Eén daarvan kun je vandaag downloaden en draaien, zij het onhandig. De andere kun je helemaal niet draaien, omdat de gewichten nog niet bestaan. Dit is de eerlijke kaart van beide, en van waarom "beide door leveranciers gerapporteerd, beide onbewezen" voor beide niet hetzelfde betekent.

Vijf weken, twee weddenschappen op representatie-efficiëntie

De rode draad is echt, niet retorisch. Mage-VL is een codec-native videomodel: in plaats van een stream te decoderen tot uniform gesamplede frames en een dicht raster van patches door een frozen web-voorgetrainde vision transformer te sturen, volgt het de structuur van moderne videocodecs door een stream te scheiden in ankerframes en de gecomprimeerde bewegingsdata daartussen, en die compacte representatie direct op te nemen. De door Microsoft gerapporteerde winst is een grote vermindering van het aantal visuele tokens en een aanzienlijk sneller perceptiepad voor streaming — het bedrijf framet het als het oplossen van een soort paradox van Moravec voor videotaalmodellen, waarbij kleine realtime-perceptietaken evenveel rekenkracht kosten als zwaar offline redeneren. Mage-VL is een waarnemer: het verwerkt video efficiënt en beantwoordt vragen over wat het ziet, bijna in realtime.

InternLumina-U2 is een gok op dezelfde bottleneck vanuit de andere richting. Waar Mage-VL video comprimeert door de codec te volgen, comprimeert InternLumina-U2 elke visuele input door elke positie te beschrijven met acht complementaire discrete codes in plaats van één, met behulp van een tokenizer die het lab AToken noemt. De inzet is dat een enkele codebook beperkt hoeveel informatie één visuele token kan dragen, dus een vocabulaire met meerdere codebooks stelt één diffusiemodel met 16B parameters in staat om begrip en generatie via dezelfde interface te doen — een grafiek lezen, een videovraag beantwoorden, een 3D-asset beschrijven, een afbeelding uit tekst genereren, er een bewerken op instructie — zonder een aparte generatiestack. Mage-VL wil stromen goedkoop waarnemen; InternLumina-U2 wil waarnemen en tekenen met één set gewichten.

Het scorebord

De cijfers van beide modellen zijn door de leverancier gerapporteerd en niet gereproduceerd, dus het scorebord labelt elke rij met zijn herkomst.

• Vorm — Mage-VL: een compact codec-native vision-taalmodel (ongeveer 5B parameters in BF16) rond een Qwen-tekstbackbone, getraind voor beeld- en videobegrip. InternLumina-U2: een 16B-parameter-MoE met 1B actief (16B-A1B), een sparse diffusie-LLM die begrip, generatie en bewerking omvat.

• Visuele representatie — Mage-VL: codec-native tokens die de video-codecstructuur volgen (anker plus beweging); gerapporteerde >75% reductie van visuele tokens bij streaming video. InternLumina-U2: volledig discrete tokens uit acht codeboeken van de AToken-tokenizer.

• Wat het doet — Mage-VL: bekijkt beeld- en video-invoer, antwoordt in tekst; gebouwd voor streaming perceptie. InternLumina-U2: claimt tekst-, beeldbegrip, tekst-naar-beeld, beeldbewerking, videobegrip en 3D-begrip.

• Gewichten — Mage-VL: openbaar op Hugging Face sinds 25 juli 2026 (microsoft/Mage-VL, Apache-2.0). InternLumina-U2: niet openbaar — de Hugging Face-repository is een lege stub, gewichten gemarkeerd als "binnenkort beschikbaar".

• Kopcijfers — Mage-VL: Video-MME 64,0, NExT-QA 83,1, OVO-Bench 64,0, alle door Microsoft gerapporteerd. InternLumina-U2: ChartQA 86,52, MathVision 33,22, VideoMME 51,26, GenEval 0,81, alle door het lab gerapporteerd, voorlopig en gedeeltelijk.

• Serveren in de praktijk — Mage-VL: downloadbaar, maar er is geen standaard vLLM- of SGLang-pad; de code vereist trust_remote_code, en geen enkele inferentieprovider implementeert dit momenteel. InternLumina-U2: door niemand te serveren — de gewichten bestaan niet in het openbaar, en zelfs de uitgebrachte inferentie-stuurprogramma verwacht checkpoint-bestanden die niet in de repository staan.

"Beschikbaar maar onhandig" is niet hetzelfde als "niet beschikbaar"

Dit is het onderscheid dat er het meest toe doet als je daadwerkelijk iets wilt bouwen. Mage-VL is echt op de manier die er het eerst toe doet: de gewichten staan op Hugging Face, de modelkaart kent sinds eind juli veel downloadverkeer, en er is inmiddels een klein ecosysteem van community-kwantisaties omheen ontstaan. "Echt" betekent niet "makkelijk". De modelkaart toont een custom-code-tag, de visuele encoder is niet de standaard bevroren ViT waarvan bestaande serving-stacks uitgaan, en Microsofts eigen repo brengt de praktische consequentie met zich mee — het draaien ervan betekent trust_remote_code en geen kant-en-klare uitrol via een provider. Maar een vastberaden team met een GPU kan het laden, op een videostream richten en zien of de codec-native these voor hun data standhoudt. Dat is een enorm verschil met InternLumina-U2, waar dezelfde zin anders eindigt: een vastberaden team kan de inferentiecode lezen, en dan houdt het op, omdat er geen gewichten zijn om te laden.

De microsoft/Mage-VL Hugging Face-kaart, vastgelegd op 27 augustus 2026 — de beschrijving van codec-native streaming, de Apache-2.0-licentie, de arxiv-tag en een sectie over inferentieproviders die laat zien dat momenteel geen enkele provider het model implementeert.

De benchmark-asymmetrie volgt dezelfde lijn. De cijfers van beide modellen zijn leveranciersclaims zonder dat er nog onafhankelijke hertesten zijn geweest. Maar de claims van Mage-VL rusten in ieder geval op een downloadbaar artefact, waardoor de kloof tussen claim en verificatie slechts een kwestie is van iemand die het uitvoert. De claims van InternLumina-U2 rusten op een roadmap-item — "volledige vergelijkingstabellen verschijnen in het aanstaande technische rapport" — en er bestaat geen artefact dat ze zou kunnen verifiëren. De eigen gedeeltelijke tabel van het lab laat zelfs zien dat het model achterloopt op ten minste één rivaal waarvan het beweert die te overtreffen (GenEval 0.81 tegenover 0.89 van LLaDA2.0-Uni), wat een nuttige herinnering is om het label "voorlopig, gedeeltelijk" letterlijk te nemen.

Waar ze konden componeren in plaats van concurreren

De nuttigste manier om deze twee te lezen is als aangrenzende sporten van een ladder, niet als rivalen voor dezelfde baan. Een codec-native bewaker zoals Mage-VL is juist interessant omdat hij goedkoop genoeg is om continu te draaien — het onderdeel dat elk frame van een stream in de gaten houdt en alleen escaleert wanneer er iets verschijnt dat de aandacht van een groter model waard is. Het grotere model waarnaar hij escaleert zou in principe een verenigd model kunnen zijn van het type dat InternLumina-U2 beweert te zijn: de altijd actieve poort die bepaalt waarnaar gekeken moet worden, en het diepe model dat daadwerkelijk de grafiek leest, de 3D-scène volgt of het bewerkte beeld produceert. Beide zijn onbewezen — Mage-VL onbewezen maar draaibaar, InternLumina-U2 onbewezen en niet uitgebracht — dus het is eerlijker om het te zien als een compositie die je zou kunnen bouwen zodra elke kant onafhankelijk gevalideerd is, dan als een directe onderlinge vergelijking die je vandaag al kunt draaien.

The InternLM/InternLumina-U2 GitHub-repository, vastgelegd op 2 september 2026 — de landingspagina van de repo met de beschrijving van de multi-codebook-diffusie, de Apache-2.0-licentiebadge en de entrypointscripts voor inferentie die de openbare release vormen, terwijl de gewichten buiten de repository-boom blijven.

Wat een routeringslaag doet met onbewezen checkpoints.

Geen van beide modellen wordt gehost op OrcaRouter, en we gaan ook niet het tegendeel suggereren — Mage-VL heeft nergens een standaard serving-pad en InternLumina-U2 heeft geen gewichten. Wat de routing-DSL in deze situatie werkelijk nuttig maakt, is dat je de bovenstaande compositie kunt uitdrukken als één aanroep in plaats van speciaal geschreven lijmcode: een goedkoop, altijd actief perceptiemodel dat een dieper model voedt, zodanig aan elkaar geschakeld dat het dure model alleen draait wanneer het goedkope aangeeft dat er iets is veranderd. En voor het probleem van onbewezen checkpoints — dat is het volledige risicoprofiel van deze twee modellen — is automatische failover het mechanisme waarmee een team een model als Mage-VL op een echt pad kan uitproberen zonder dat pad op het spel te zetten: de eerste keer dat het nieuwe checkpoint blijft hangen, onzin teruggeeft of een exception gooit, valt de aanroep terug op een bewezen model, en er hoeft geen engineer te worden gewekt om een schakelaar om te zetten. Eén API voor 200+ modellen, de lijstprijs van de provider zonder opslag doorberekend, en het nieuwe model dat achter een vangnet wordt uitgeprobeerd in plaats van direct in de productie te worden ingezet.

De bottom line

Als je vandaag de {{1}}codec-native-video-these{{/1}} wilt testen, bestaat er alleen Mage-VL — en "{{2}}bestaat{{/2}}" gaat gepaard met kanttekeningen over aangepaste code en doe-het-zelf-serving. Als je de {{3}}multi-codebook-unified-model-these{{/3}} wilt testen, {{4}}kan dat niet{{/4}}, omdat {{5}}InternLumina-U2 nog steeds een specificatie is die wacht op zijn gewichten{{/5}}; {{6}}wat je wel kunt doen is nu al de architectuur lezen, zodat je klaar bent op het moment dat de stub op Hugging Face wordt ingevuld{{/6}}. {{7}}Beschouw het Microsoft-model als een onhandig maar echt artefact en het Shanghai AI Lab-model als een goed gedocumenteerde belofte{{/7}}, en onthoud dat in deze vergelijking "{{8}}door de leverancier gerapporteerd en niet gereproduceerd{{/8}}" voor beide geldt — het betekent alleen iets anders wanneer er een bestand is dat je kunt downloaden.