Apple 釋出 9B 視覺語言模型 LensVLM，基於 Qwen 修改並可選擇性展開文字影像

據社群消息，Apple 釋出全新的 9B 視覺語言模型（VLM）LensVLM。該模型主要用於處理文字影像，其運作方式為先掃描壓縮的文字影像，接著透過學習工具（learned tools），選擇性地僅將相關頁面展開為未壓縮形式。 授權資訊顯示，LensVLM 包含 Apple 對 Qwen 模型的修改，模型權重採用 Apple 機器學習研究模型授權（Apple Machine Learning Research Model License），原始碼則採 Apple 範例程式碼授權。目前相關論文與 GitHub 程式碼庫已公開，社群也已在 Hugging Face 釋出 GGUF 量化版本。