苹果开源 LensVLM 9B：像翻书一样读长文档的视觉语言模型
apolinariosteps · x · 2026-09-24
Apple 在 Hugging Face 上发布了 LensVLM 9B，一种新颖的视觉语言模型（VLM）。它模仿人类翻书浏览的方式处理长文档：先把每一页当作小图快速「扫一眼」，再只打开可能包含答案的页面细读，从而高效完成长文档问答。
模型已上线 Hugging Face Spaces，可直接试用。
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
- 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
- 26B MoE 决策小模型 CPU 可跑，得分超 Jev 1.13 — gauravapiscean · 2026-11-12