深度分析 Zamba2‑VL:混合狀態空間與 Transformer 架構在視覺語言任務的效能突破 隨著多模態模型成為視覺語言介面的核心,Zamba2‑VL 以混合 Mamba2 與少量 Transformer 區塊構成,結合線性時間預填與固定大小狀態,於 1.2B、2.7B、7B 參數規模上,效能與 Molmo2、Qwen3‑VL 等同階模型相當,且在推論速度上快上數十倍。