vlm.run 的 System One API 新增 Image in/Box out:一次调用返回目标框坐标
spillai · x · 2026-10-22
vlm.run 在其 System One API 中集成了 TypeSafe 的原生 Image 和 Box 支持:把图片作为 state 传入,用 Box 类型提问,模型即返回目标区域的四边坐标。
- 用法即「image in, box out」:一次调用可同时问多个目标(如猫、植物、遥控器),每个目标返回归一化的 top/bottom/left/right 框
- 背后模型可用 qwen/qwen3.8-27b 等,通过 https://gateway.vlm.run/typesafe 接入,SDK 与 TypeSafe 一致
- 适合做视觉定位、目标检测类的轻量工程集成
「编程与Agent」频道最新
- MIT 团队让 Agent 边训练边重写优化器源码，无调参场景全面占优 — vincesitzmann · 2026-10-22
- Resend 发布面向 Agent 的 Inboxes 与自研邮件基础设施 Forge — stuffyokodraws · 2026-10-22
- 15 条提示词 3.5 小时：用 Gemini 4 Argon 零素材造出 60FPS 3D 卡丁车游戏 — rseroter · 2026-10-22
- 开发者让多台机器上的 Claude、Codex 等 agent 互聊并可视化通信网络 — baditaflorin · 2026-10-22
- GitHub Copilot CLI v1.0.102:子代理权限继承与代理网络修复 — copilot-cli-release-app[bot] · 2026-10-22
- Ethan Mollick:AI 编码工具大热,但软件改进瓶颈常在别处 — emollick · 2026-10-22