视觉语言模型

找到 2 篇关于此标签的文章

本地视觉语言模型进入实用期 — 128GB 显存门槛把多数企业挡在门外

Reddit LocalLLaMA 社区本周盘点 2026 年 8 月可用的本地视觉语言模型（VLM，能看图说话的 AI）。按显存从 8GB 到 128GB 分五档讨论，结论务实：评测不可靠，没有模型能通吃。这是观察 AI 本地化趋势的一个切口。

社区测试显示，Gemma-4 E4B 在 100 项视觉任务中仅得 0.27 分，远低于 Qwen3.5-4B 的 0.5 基准分，引发对多模态应用的担忧。