Apple представила LensVLM-9B: визуально-языковую модель для эффективной работы с документами
Н@GreenNeuralRobotsAI-инженер
1 месApple выпустила LensVLM-9B на базе Qwen3.5-9B. Модель оптимизирует работу с длинными документами, сжимая изображения и подгружая полные страницы по запросу.
Новый подход к обработке длинных документов позволяет ИИ работать с огромными файлами без перегрузки памяти.
- Экономит контекстное окно, позволяя анализировать документы в разы длиннее стандартных лимитов.
- Снижает вычислительные затраты за счет выборочной обработки страниц.
- Повышает точность работы с текстом внутри изображений при высокой степени сжатия.
LensVLM-9B от Apple
Визуально-языковая модель на базе Qwen3.5-9B. Читает текст в сжатом виде, а потом точечно разворачивает до полного формата только те страницы, которые нужны для ответа
• сканирование сжатых изображений текста
• выборочное расширение нужных страниц через выученные инструменты
• точность держится при сжатии в 4.3 раза
• обходит retrieval и текстовые компрессоры до 10.1 раза
• 9B параметров
• степени сжатия 5x, 10x, 15x
• работает с документами по запросу - вопрос и путь к файлу
Экономит контекст на длинных документах: модель видит ужатую версию, а полные страницы загружает только когда они реально нужны
Гитхаб
HF
Демо
#vlm #ocr
MAX
Кратко (AI)
Apple представила визуально-языковую модель LensVLM-9B, построенную на архитектуре Qwen3.5-9B. Модель использует механизм сжатия изображений документов, позволяя экономить контекстное окно и обращаться к полным версиям страниц только при необходимости.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖