Miril-Drone-2B-1 是 Miril.ai 发布的开放权重 2B 级航拍视觉语言模型，面向无人机视角图像。它接收一帧俯视图像和可见文本指令，可返回裸 JSON 形式的场景描述、视觉问答结果，或用于人工复核的粗略操作点位，服务于巡检、应急、配送区/降落区筛查等工作流。

模型基于 Gemma4-2B，训练使用了 WALDO 数据集的子采样，并继承 WALDO30 的航拍目标词汇。导出的 checkpoint 保留 Gemma4 的多模态组件，但当前发布只承诺图像加文本用法；音频输入和原生时序视频理解不在当前范围内。V1 点位采用 0..1000 的图像相对坐标，只能作为粗略提示，不应作为自主飞行命令、认证安全降落点或精确定位系统。加载建议使用 transformers>=5.12.1。