出典条件付き比較
FastVLM vs LLaVA-OneVision
Apple が報告した FastVLM-0.5B と LLaVA-OneVision-0.5B の比較を、出典条件付きで読み解きます。
比較一覧
| 比較条件 | FastVLM-0.5B | LLaVA-OneVision-0.5B |
|---|---|---|
| LLM サイズ | 同じ 0.5B クラス | 同じ 0.5B クラス |
| 比較解像度 | 最高テスト：1152×1152 | 最高テスト：1152×1152 |
| Time to first token | 最大 85× 高速（Apple 報告） | 基準 |
| 視覚エンコーダサイズ | 3.4× 小型（Apple 報告） | 基準 |
| 主要評価結果 | 引用条件では SeedBench、MMMU、DocVQA が上 | 比較基準 |
85× が意味すること・しないこと
すべての FastVLM 構成がすべての LLaVA 構成より 85 倍速いという一般的な主張ではありません。Apple が最高テスト解像度 1152×1152、同じ 0.5B LLM クラスで、TTFT を測定した報告結果です。