Apple veröffentlicht neues KI-Modell LensVLM-9B auf Hugging Face
Apple veröffentlicht neues KI-Modell LensVLM-9B auf Hugging Face
Apple hat LensVLM-9B auf Hugging Face veröffentlicht, eine feinabgestimmte Version von Qwen3.5-9B, die die Verarbeitung langer Dokumente optimiert, indem Seiten in Bilder umgewandelt werden, um Tokens zu sparen.
Apple hat ein neues Modell auf Hugging Face veröffentlicht.
Es handelt sich um eine feinabgestimmte Version von Qwen3.5-9B, die lange Dokumente in verkleinerte Seitenbilder umwandelt, um Tokens einzusparen. Anschließend wird nur der vollständige Text der für die Nutzerfrage relevanten Seiten geladen.
Dieser Ansatz ermöglicht eine erhebliche Optimierung des Kontextfensters bei der Arbeit mit großen Textmengen.
Warum das wichtig ist
AnalyseDies zeigt Apples innovativen Ansatz zur Optimierung von KI-Ressourcen für die Dokumentenverarbeitung und könnte die Inferenzkosten erheblich senken.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Einführung in Hugging Face und Transformer: Vom Start bis zur Architektur
Ein Schritt-für-Schritt-Leitfaden für alle, die verstehen möchten, wie moderne Sprachmodelle (BERT, GPT und andere) funktionieren, wie sie ausgeführt, genutzt und an eigene Aufgaben angepasst werden können – anhand der Transformers-Bibliothek und der Hugging-Face-Plattform.
Hugging Face Hub
Führende globale Plattform und offenes Repository für die KI-Community („GitHub für neuronale Netze“). Enthält Hunderttausende von offenen Modellen, Datensätzen und kostenlosen Web-Demos (Spaces) und unterstützt alle führenden KI-Frameworks.
Thinking Machines veröffentlicht Inkling 2 Small: ein 594B-MoE-Modell, das andere Modelle feinabstimmen kann
Thinking Machines hat Inkling 2 Small vorgestellt, ein MoE-Modell mit 594B Parametern, das unter offenen Modellen in mehreren Benchmarks führt und autonom Qwen3.5-4B feinabstimmen konnte.
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.