Apple 开源 LensVLM-9B：把长文档转成页面图片省 token
victormustar · x · 2026-09-24
Apple 在 Hugging Face 上发布了 LensVLM-9B，一个基于 Qwen3.5-9B 的微调模型。其思路是把长文档压缩成小幅页面图片以节省 token，回答问题时再只调取与问题相关页面的完整文本。
这种「页面图像检索 + 按需展开全文」的方式为长文档处理提供了省 token 的新路径，模型已开源可下载。
所属事件:苹果开源 LensVLM-9B：页面图像压缩读长文档(5 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12