幣界網消息，蘋果開源了專門處理長文档的視覺語言模型LensVLM-9B，該模型基於Qwen3.5-9b-base訓練。處理長文档時，LensVLM會先將整份文档壓成低清頁面快速掃一遍，定位到相關頁面後，再讀取原始文字或高清圖片。測試顯示，直接讀取100頁文档需要51,273個tokens，而LensVLM僅需8,090個，KV緩存從約1.6GB降至253MB，減少84.2%。在7項文档問答測試中，直接讀取全文的平均準確率为72.4%，而LensVLM在約4.3倍壓縮下仍有68.9%的準確率。儘管壓縮後準確率沒有明顯下降，但處理速度較慢，論文測試中一次回答約需17秒。