Xiaomi发布可在回答中以像素级指出图像区域的4B多模态模型“Xiaomi-Lens-0”及基准“LensBench”（报道）

已核实（事实）

据Pandaily报道，Xiaomi SeerRay-Lab开源了基于Qwen3.5-4B构建的4B多模态模型“Xiaomi-Lens-0”。该模型在生成回答的过程中输出掩码token，以像素级标出所指对象在图像中的区域。研究团队还同时发布了评估这一能力的基准“LensBench”。

意义（解读）

小模型在以文本作答的同时，还能精确分割并指出图像区域。这可用于端侧视觉助手、机器人感知等需要明确“说的是看到的哪部分”的任务。

来源

• 媒体 Xiaomi Open-Sources Xiaomi-Lens-0, a 4B Model That Points to Image Regions Pixel by Pixel Pandaily

更多关于 Xiaomi

• 2026-10-22 P2 模型 API 语言模型智能体 XiaomiTencent
  Xiaomi MiMo-V2.6-Pro上线Tencent WorkBuddy智能体和TokenHub，支持100万token上下文（报道）

  据Pandaily报道，Xiaomi的MiMo-V2.6-Pro以“mimo-v2.6-pro”的名称在Tencent的WorkBuddy智能体和Tencent Cloud TokenHub中提供。该模型上下文长度为100万token，支持兼容OpenAI和Anthropic的API。

• 2026-10-16 P2 开源 开放权重 语音与音频多模态 Xiaomi
  Xiaomi以Apache 2.0许可证开源音频模型“MiDashengLM-Spatial”，可理解声音内容及其方向、距离和运动（报道）

  据Pandaily报道，Xiaomi以Apache 2.0许可证开源了空间音频理解模型“MiDashengLM-Spatial”。该模型在MiDashengLM-7B的基础上增加了新编码器“Spatial-Dasheng”，除通用音频理解外，还能判断声源的方向、距离和运动。