趋近智
LensVLM 9B
参数
9B
上下文长度
262K
模态
Text
架构
Dense
许可证
apple-amlr
发布日期
21 Sept 2026
训练数据截止日期
-
API 价格 (每 1M)
仅支持自建托管
系统要求
不同量化方法和上下文大小的显存要求
1024 个令牌
消费级
1x RTX 4090
24GB VRAM
数据中心
1x NVIDIA A100
80GB VRAM
Apple Silicon
1x Apple M3 Max
128GB VRAM
262144 个令牌
消费级
3x RTX 4090
24GB VRAM
数据中心
1x NVIDIA A100
80GB VRAM
Apple Silicon
1x Apple M3 Max
128GB VRAM
架构图
评估基准
没有可用的 LensVLM 9B 评估基准。
排名
排名
-
编程排名
-
关于 LensVLM 9B
LensVLM 9B is a multimodal vision-language model developed by Apple, built on top of high-capacity language backbones. It is tailored for detailed visual question answering, document comprehension, and grounded multimodal reasoning.
技术规格
注意力
注意力结构
Grouped-Query Attention
注意力头
16
键值头
4
注意力头维度
256
位置嵌入
ROPE
RoPE Theta
10,000,000
滑动窗口注意力
No
滑动窗口大小
-
滑动窗口比例
-
线性注意力
Yes
线性注意力比例
75.0%
归一化
RMS Normalization
激活函数
SwigLU
维度
辅助参数
-
隐藏维度大小
4,096
层数
32
FFN 中间层大小（稠密层）
12,288
多 Token 预测头数
1
分词器
词汇量大小
248,320
资源
关于 LensVLM
The LensVLM model family developed by Apple.
其他 LensVLM 模型
- 没有相关模型