答案已發布14 個來源
Xiaomi-Lens-0 如何把文字回答連到影像中的實際區域？
Xiaomi Lens 0 以 Qwen3.5 4B 為基礎，能將文字回答與影像中的像素區域遮罩連結，也能在推理過程中產生這類指涉。 SeerRay Lab 列出的能力包括指代表達分割、推理式分割、多物件定位、細緻區域理解與視覺感知；專案也列有 LensBench。
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點整理
- Xiaomi Lens 0 以 Qwen3.5 4B 為基礎，能將文字回答與影像中的像素區域遮罩連結，也能在推理過程中產生這類指涉。
- SeerRay Lab 列出的能力包括指代表達分割、推理式分割、多物件定位、細緻區域理解與視覺感知；專案也列有 LensBench。
- 專案報告稱，模型在八個 RefCOCO 系列切分上的指涉理解平均提升 5.6 分；其他數據來自報告摘要，應視為作者公布的結果，而非獨立驗證。
- 模型權重可在 Hugging Face 取得，程式碼在 GitHub 公開，專案標示採 Apache 2.0 授權；現有資料未證明其裝置端效能或安全關鍵用途的成熟度。
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Xiaomi-Lens-0, the 4-billion-parameter multimodal model open-sourced by Xiaomi’s SeerRay-Lab in October 2026, and how do its officia. Article summary: Xiaomi-Lens-0 is a compact 4-billion-parameter multimodal model built on Qwen3.5-4B that combines textual answers with pixel-level image-region masks, using a shared visual backbone and a lightweight mask decoder. [3] It. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
多模態模型通常能看圖並用文字回答，但 Xiaomi-Lens-0 想再多做一步：不只回答影像裡有什麼，也能指出答案對應到圖片的哪個區域。這款 40 億參數（4B）模型以 Qwen3.5-4B 為基礎，透過像素級監督學習，並以輕量解碼器將特殊的 <|mask|> 標記轉成影像遮罩。專案表示，這些區域指涉可以出現在最終回答，也可以出現在推理過程中。1
從文字回答到像素區域
Xiaomi-Lens-0 使用共用的視覺骨幹網路學習影像資訊。模型生成 <|mask|> 標記後，輕量解碼器會將它轉成覆蓋影像區域的遮罩；因此，模型可以一邊用文字回答，一邊標示答案所指的部分。1
SeerRay-Lab 將這種方向描述為結合視覺潛在表徵的「有根據推理」。換句話說，區域定位並非只在最後輸出一張分割結果，也可能參與推理過程。不過，現有專案說明沒有完整交代標記的運作規格，也未說明中間產生的遮罩如何影響後續推理步驟。1
10
支援哪些視覺任務？
SeerRay-Lab 列出的能力涵蓋指代表達分割、推理式分割、多物件定位、細緻區域理解與視覺感知。10「指代表達」指的是依照文字描述，在影像中找出相符的物件或區域；例如，根據一句描述辨認圖片裡特定的物件。
專案也列出分割基準測試 LensBench，以及程式碼、模型、報告和專案頁面。10 另一篇報導提到，發布內容還包括示範工具；但可取得的資料沒有說明示範工具具體能做什麼，也未交代 LensBench 的規模或評測方式。
2
公布的測試結果該怎麼看？
專案表示，與 Qwen3.5-4B 相比，Xiaomi-Lens-0 在八個 RefCOCO 系列切分上的指涉理解平均提升 5.6 分，並在八項細緻視覺感知基準測試中都取得較高分數。1 這些是專案公布的結果，並非獨立重現的測試。
另一份報導摘要指出，CountQA 分數提升 6.8 分，且在其比較的系統中，Xiaomi-Lens-0 的分割 cIoU 最高。2 不過，這份摘要沒有提供完整比較名單、各項分數或足以判斷基準設定的細節，因此不宜把這些說法解讀為涵蓋所有模型的完整排名。
開放資源與實際使用限制
模型權重可在 Hugging Face 取得，程式碼則公開於 SeerRay-Lab 的 GitHub 專案；GitHub 頁面標示採 Apache-2.0 授權。1
29 Hugging Face 頁面連結至技術報告 2610.23279，並提供一個 Transformers 的影像文字輸入範例。
29 但這個範例本身無法證明，無須額外的專案設定，就能透過一般 Transformers 流程使用自訂的遮罩解碼功能。
媒體報導將這次發布歸於小米，模型與程式碼則以 SeerRay-Lab 名義發布；目前可取得的來源不足以獨立確認 SeerRay-Lab 與小米之間正式的組織關係。2
1
29
能把文字指涉連到像素區域，未來或可用於機器人辨認要抓取的物件、車內助理標示乘客詢問的影像區域，或手機上的圖片辨識輔助工具。這些是可能的應用方向，並非已確認的實際部署。現有資料也沒有證明模型的裝置端速度、記憶體需求、耗電量，或是否適合安全關鍵情境。
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「Xiaomi-Lens-0 如何把文字回答連到影像中的實際區域？」的簡短答案是什麼？
Xiaomi Lens 0 以 Qwen3.5 4B 為基礎，能將文字回答與影像中的像素區域遮罩連結，也能在推理過程中產生這類指涉。
最值得優先驗證的重點是什麼？
Xiaomi Lens 0 以 Qwen3.5 4B 為基礎，能將文字回答與影像中的像素區域遮罩連結，也能在推理過程中產生這類指涉。 SeerRay Lab 列出的能力包括指代表達分割、推理式分割、多物件定位、細緻區域理解與視覺感知；專案也列有 LensBench。
接下來在實務上該怎麼做？
專案報告稱，模型在八個 RefCOCO 系列切分上的指涉理解平均提升 5.6 分；其他數據來自報告摘要，應視為作者公布的結果，而非獨立驗證。