Zum Hauptinhalt springen

AppleSpezialmodellOpen Weights

LensVLM-9B

BeliebtheitPlatz 18 von 19 Spezialmodellen

20von 100neue Berechnung

beruht auf zwei Datengruppen, überwiegend Suche, Spanne 10 bis 29

Zusammenfassung

LensVLM-9B ist Apples Vision-Language-Modell für lange Dokumente. Es scannt komprimierte Bilddarstellungen von Text und erweitert nur die Seiten, die für die aktuelle Frage relevant sind. Dadurch bleibt die visuelle Verarbeitung selektiv, statt jedes Dokument vollständig in hoher Auflösung zu laden.

Der 9-Milliarden-Parameter-Checkpoint läuft lokal mit Transformers, vLLM oder SGLang unter der Apple Machine Learning Research Model License. Die veröffentlichte Demo bietet 5-fache, 10-fache und 15-fache Kompression. Einen gehosteten Inference Provider nennt die Model Card nicht.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 42 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 4

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

LensVLM document QA accuracy, 5x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
68,9
Messgröße
Prozent
Einheit
%
Kategorie
document-qa
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 5x input compression; LLM-judge semantic accuracy; unweighted macro-average over seven datasets.
Quelle LensVLM technical report
LensVLM document QA accuracy, 10x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
62,1
Messgröße
Prozent
Einheit
%
Kategorie
document-qa
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 10x input compression; LLM-judge semantic accuracy; unweighted macro-average over seven datasets.
Quelle LensVLM technical report
LensVLM document QA accuracy, 15x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
52,1
Messgröße
Prozent
Einheit
%
Kategorie
document-qa
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 15x input compression; LLM-judge semantic accuracy; unweighted macro-average over seven datasets.
Quelle LensVLM technical report
LensVLM evidence-page selection, 5x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
76,8
Messgröße
Prozent
Einheit
%
Kategorie
document-retrieval
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 5x input compression; ground-truth evidence-page hit.
Quelle LensVLM technical report
LensVLM evidence-page selection, 10x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
71
Messgröße
Prozent
Einheit
%
Kategorie
document-retrieval
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 10x input compression; ground-truth evidence-page hit.
Quelle LensVLM technical report
LensVLM evidence-page selection, 15x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
52,1
Messgröße
Prozent
Einheit
%
Kategorie
document-retrieval
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
LensVLM technical report
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Final LensVLM SFT+RL; 15x input compression; ground-truth evidence-page hit.
Quelle LensVLM technical report
LensVLM QA accuracy on NQ, 5x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
76,1
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 5x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper
LensVLM QA accuracy on NQ, 10x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
75,1
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 10x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper
LensVLM QA accuracy on NQ, 15x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
71,2
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 15x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper
LensVLM QA accuracy on HotpotQA, 5x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
81,5
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 5x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper
LensVLM QA accuracy on HotpotQA, 10x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
75,5
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 10x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper
LensVLM QA accuracy on HotpotQA, 15x (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
64,5
Messgröße
LLM-judged semantic QA accuracy
Einheit
%
Richtung
Mehr ist besser
Stichprobe
600
Quellentyp
vendor-reported
Auswertung
Apple, LensVLM technical paper
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. LensVLM mit SFT+RL auf Qwen3.5-9B-Base; Qwen3.5-397B als Judge; 15x Eingabekompression; T=6; Mittel aus drei Läufen.
Einordnung
Die Arbeit berichtet den Mittelwert aus drei Läufen, aber kein Konfidenzintervall.
Quelle Apple, LensVLM technical paper

Seite 1 von 4

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 21 Modellen

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 20. November 2026

LensVLM-9BBielik 11B v3.1 DFlash2 22Hy-SimulMT-30B-A3B 22ManiFlow-tb 21Molmo2-4B-tb 21

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
  2. 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
  3. 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Modellklasse
Vision-Language-Modell für selektive Kontext-Erweiterung
Quelle: Modellklasse
Parameter
9 Milliarden
Quelle: Parameter

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Lokale Ausführung, kein gehosteter Inference Provider auf Hugging Face
Quelle: Zugang
Lizenz
Apple Machine Learning Research Model License
Quelle: Lizenz
Abschaltung
Keine angekündigt
ohne Quelle

API

Modellkennung
apple/LensVLM-9B
Quelle: Modellkennung

Weitere Angaben

Kompression
5-fach, 10-fach oder 15-fach als Eingabekompression
Quelle: Kompression

Quellen und Datenstand

Alle 9 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.