1美元分类6700页：开源VLM直接读像素做文档分类
spillai · x · 2026-09-29
typesafeai 在 vlmrun 网关上推出 Jev 兼容 API：用开源权重 VLM 直接把页面当像素读取（不做 OCR→LLM 的迂回），对每页返回一个类型化、经过校准的决策结果，端到端 p50 约 180ms。
成本数据很具体：1 美元可处理 6700+ 页，跑完整 1651 页的 OmniDocBench 只花了 25 美分。支持 diffusiongemma-26B-A4B-it、gemma4-26B-A4B-it、Qwen3.8-27B、Qwen3.5-0.8B 等模型。作者表示 Jev 让开发者重新思考数据处理的成本帕累托前沿，注册即可免费试用。
「编程与Agent」频道最新
- Sonnet 5.5 发布获「Opus 级」升级,写作能力反超旗舰 — every · 2026-09-29
- Neon × Vercel 集成遭吐槽:预览分支悄悄每月多扣 80-100 美元 — FanaHOVA · 2026-09-29
- Meta Muse 编程实测：无法操作本地桌面，疑似泄露思维链 — brandon_galang · 2026-09-29
- Burkov：能用的烂代码胜过没代码 — burkov · 2026-09-29
- 用户用 Scale 的 Muse Agent 自动联系 Verizon 清理电线乱线 — rickasaurus · 2026-09-29
- Berkeley 研究对比三大编程 Agent:外壳选错,成本差异远超准确率 — arena · 2026-09-29