Xiaomi открыла код Xiaomi-Lens-0 — 4B-модели с попиксельной разметкой областей

Xiaomi выложила в открытый доступ Xiaomi-Lens-0 — мультимодальную модель на 4 млрд параметров, которая во время ответа указывает точную область изображения. Веса опубликованы на Hugging Face под Apache 2.0, код — на GitHub, техотчёт — на arXiv. Модель построена на Qwen3.5-4B с лёгким декодером пиксельных масок и даёт +5,6 балла к RefCOCO по данным авторов.

• Модель на 4 млрд параметров построена на базе Qwen3.5-4B с декодером масок
• Прирост 5,6 балла на восьми сплитах RefCOCO и 6,8 балла на CountQA
• Веса, код и техотчёт открыты под лицензией Apache 2.0
• Выпущен бенчмарк LensBench и демо для сегментации