Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
I
INCLUSIONAI / inclusionAI/LBS-27B
LBS-27B
Visuelles inclusionAI-Modell auf Basis von Qwen3.8-27b. Es lernt, Oberflächenelemente zu lokalisieren und Bildregionen über Ausschnitte zu untersuchen, und überträgt diese Strategie auf allgemeine visuelle Fragen. Die nutzbare Veröffentlichung vom 26. Oktober enthält zwölf Gewichtsteile und eine vollständige Modellkarte; das leere Repository am Morgen galt nicht als Veröffentlichung. Die Ausgabe besteht aus Text und Ausschneideaktionen, nicht aus erzeugten Bildern.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | inclusionAI/LBS-27B |
|---|---|
| Modelltyp | Bild und Dokumente · Multimodal |
| Zugangsmodell | Offene Gewichte |
| Lizenz | Apache 2.0 |
| Einsatz | Eigener Betrieb mit vLLM |
| Veröffentlichung | 26 OKT. 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Bild |
| Ausfahrt | Text |
| Kontextfenster | Nicht veröffentlicht |
| maximale Leistung | Nicht veröffentlicht |
| Schlussfolgern | Nicht veröffentlicht |
| Veröffentlichte Tools | crop_image |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · vLLM |
Bedienelemente lokalisieren, Bildschirmfotos und hochauflösende Bilder auswerten. Die Modellkarte beschreibt rund 10.000 synthetische Startbeispiele und 80 GRPO-Schritte ohne zusätzliches Training mit allgemeinen VQA-Fragen. Pro Runde sind zwei unabhängige Ausschnitte möglich; die veröffentlichte Auswertung erlaubt insgesamt drei Aufrufe pro Episode.
Der Client muss crop_image ausführen und Bilder sowie Koordinatenabbildungen zurückgeben. Endkoordinaten werden auf 0 bis 1.000 im Originalbild normiert. Ein Element zu lokalisieren führt keine Aktion in einer Anwendung aus. Ein universell getestetes Kontext- oder Ausgabelimit wurde nicht verifiziert: Beispiele und Konfiguration sind keine Garantien.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Bedienelemente lokalisieren, Bildschirmfotos und hochauflösende Bilder auswerten. Die Modellkarte beschreibt rund 10.000 synthetische Startbeispiele und 80 GRPO-Schritte ohne zusätzliches Training mit allgemeinen VQA-Fragen. Pro Runde sind zwei unabhängige Ausschnitte möglich; die veröffentlichte Auswertung erlaubt insgesamt drei Aufrufe pro Episode.
Kontext
Nicht veröffentlicht · Nicht veröffentlicht
Tools und Integration
crop_image
Zugang
Hugging Face
Eingabemodalitäten
TextBild
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Gewichte und Projekt geben Apache 2.0 an; Datensätze und Bildschirmfotos Dritter behalten ihre Bedingungen. Kein offizieller API-Preis wurde verifiziert. Das Beispiel nutzt vier Geräte, ohne einen universellen Mindestspeicherbedarf nachzuweisen. Die Kosten umfassen Inferenz, Bildausschnitte und gegebenenfalls das Bewertungsmodell.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Veröffentlichte Zoom-in-Ergebnisse: ScreenSpot-Pro 81,15 % bei 1.581 Datensätzen, OS-World-G Refine 84,57 % bei 564 und PerceptionBench 59,67 % bei 3.000. PerceptionBench verwendet Deepseekv4-flash-0731 als Bewertungsmodell; die Diagrammreferenzen nutzen GPT-oss-120B. Diese unterschiedlichen Konfigurationen erlauben keine Aussage über eine kontrolliert gemessene Verbesserung. Von Inferama nicht reproduziert.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| ScreenSpot-Pro | 81,15 % | Aktionsgenauigkeit | Quelle öffnen ↗ |
| OS-World-G Refine | 84,57 % | Aktionsgenauigkeit | Quelle öffnen ↗ |
| PerceptionBench | 59,67 % | Genauigkeit des Bewertungsmodells | Quelle öffnen ↗ |
| HR-Bench 4K | 89,13 % | Strikte Übereinstimmung | Quelle öffnen ↗ |
| HR-Bench 8K | 87,75 % | Strikte Übereinstimmung | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
LBS-27B
In den verifizierten Katalog von Inferama aufgenommene Version.
07 / QUELLEN