Om AI第二弹！VLX-Seek登场：3B小模型 细粒度感知反超Gemini
Om AI发布3B小模型VLX-Seek，在细粒度视觉感知任务上反超Gemini Pro，展现精准定位新突破。核心内容：1. VLX-Seek模型的核心能力：解决VLM“看懂却看不准”的难题2. 技术突破：将物理实体转为region token，提升定位精度与推理效率3. 性能表现：在多项基准测试中超越Gemini，适配端侧实时场景
继 VLX-Flow 之后，Om AI 把 VLX 系列推进到第二层能力：让模型在实时视觉场景中看准目标。
3B 参数的 VLM，能在细粒度感知上超过 Gemini 3.1 Pro 吗？
在 Om AI 联汇发布的VLX 端侧流式多模态模型系列中，VLX-Seek 补的就是这层能力。
它对应 VLX 体系中的精准定位层，处理的是 VLM 看得懂却看不准、传统小模型能框准却难以理解复杂语义目标的问题。
在图片问答里，模型说出“画面里有人”“桌上有杯子”，已经算完成理解。但一旦任务变成跟随、巡检、预警或导航，问题会马上变细：
如果画面里有多个人，究竟跟随哪一个？如果桌上有几个杯子，用户指的是哪一个？如果目标被遮挡，边界还准不准？
如果用户给出的不是一个简单类别名，而是一段复杂语义描述，模型又能不能理解这段描述，并把它准确落到画面中的具体目标上？
放到具体结果上，VLX-Seek-3B 在 MSCOCO val2017 上达到 45.3 mAP，超过了 Gemini 3.1 Pro 的 41.4；在更考验实例感知的 PixMo Count 上拿到 85.0，同样领先 Gemini 2.5 Pro 的 73.8。
3B 小模型能在这些任务上领先，起点是定位任务的表达方式变了。
传统坐标生成把精确数值输出交给语言模型。VLX-Seek 先把画面中的物理实体转成可被语言模型读取、引用和推理的 region token，再让模型在候选区域之间比较、选择和指代。
相关资讯
-
07.06
天堂2盟约弓手攻略推荐 天堂2盟约手游安卓手机版弓箭手玩法技巧
-
07.06
天堂2盟约新手教程指南 天堂2盟约手游安卓手机版新手玩法技巧
-
07.06
天堂2盟约手游安卓手机版好不好玩 天堂2盟约手游安卓手机版玩法分享
-
07.06
天堂2盟约剑盾玩法指南 天堂2盟约剑盾教程
-
07.06
天堂2盟约团战最佳阵容搭配和职业协同策略
-
07.06
随从强度说明|《地牢猎手6》玩法攻略
游戏推荐
推荐专题
热门阅读
-
- 核处逢生如何运用武器快速寻家
- 07.06
-
- 三角洲行动s10赛季狙击精英与金枪客任务玩法
- 07.06
-
- 泰拉瑞亚天顶剑合成表及材料获取方法
- 07.06
-
推荐下载
-
-
下载
- 《神剑伏魔录》（神剑风云）游戏音乐合集
- 其他游戏|7.73 MB
- 一款非常好玩的武侠闯关游戏
-
-
下载
- 《行尸走肉第一章》免安装中文汉化硬盘版下载
- 单机|436 MB
- 一款以动作冒险为主题的游戏
-
-
下载
- 《街头霸王X铁拳》免安装中文汉化硬盘版下载
- 单机|111MB
- 一款非常好玩的格斗游戏
-
-
下载
- 《生化危机：浣熊市行动》免安装中文硬盘版下载
- 单机|6310 MB
- 一款以动作射击为主题的游戏
-
-
下载
- 《暗黑破坏神3》免安装繁体中文正式版下载
- 单机|7630 MB
- 一款以角色扮演为主题的游戏
-
-
下载
- 《马克思佩恩3》免安装硬盘版下载
- 单机|27033 MB
- 一款以第三人称射击为主题的游戏