# Apple открыла веса LensVLM-9B для локального поиска ответов в длинных документах

Источник: https://modelium.tech/zhurnal/apple-lensvlm-9b-local-document-qa-research-license/

Apple 22 сентября 2026 года выложила веса LensVLM-9B и код для поиска ответов в длинных текстовых документах через сжатые изображения страниц и выборочное раскрытие нужных фрагментов. Демонстрация использует локальный vLLM; лицензия весов разрешает только некоммерческие исследования, а не использование в продукте.

LensVLM-9B: веса и код Apple для вопросов по длинным документам

Apple опубликовала модель LensVLM-9B на Hugging Face 22 сентября 2026 года: эта дата подтверждена историей первого коммита репозитория с весами; в тот же день появился официальный код. Статья с описанием метода была опубликована на arXiv ещё 7 мая 2026 года — новая здесь именно доступность весов и воспроизводимого примера, а не идея метода. [s1](#src-s1) [s3](#src-s3) [s4](#src-s4)

## Что она делает

Модель на базе Qwen3.5-9B просматривает текст как набор сжатых изображений страниц. Если мелкие детали на нужной странице неразличимы, она вызывает `read_page`, получает текст соответствующей страницы и формирует ответ. Это не обычная текстовая RAG-выборка и не обещание безошибочно прочитать любой скан: качество зависит от рендеринга, сжатия и выбора страницы. В комплектном примере авторов модель выбирает страницу из 15 и запрашивает её содержимое отдельным вызовом инструмента. [s1](#src-s1) [s3](#src-s3)

Практическая область — экспериментальные локальные ответы по многостраничным документам, когда не хочется передавать материалы внешнему API. Но для целевого сценария недостаточно просто открыть веса в чат-приложении: нужен цикл рендеринга страниц и обработки вызова `read_page` из официального кода. [s3](#src-s3)

## Веса, запуск и условия

Официальный репозиторий `apple/LensVLM-9B` открыт без предварительного запроса доступа. Он содержит `model.safetensors` объёмом 18 819 722 392 байта, процессор и токенизатор. Это размер файла на диске, **не** минимальное требование к RAM или VRAM. Авторы предлагают установить зависимости из GitHub-репозитория и запустить `python scripts/run_demo.py`; для собственного текстового документа предусмотрен `python demo.py --model apple/LensVLM-9B --text_file document.txt --question "What is the main finding?" --compression 10x`. Доступные пресеты: 5x, 10x и 15x. Код демо загружает модель через vLLM, а не через универсальный интерфейс llama.cpp. Мы не запускали инференс и не подтверждаем работоспособность на конкретном компьютере. [s1](#src-s1) [s3](#src-s3)

Есть и сторонние GGUF-квантизации с отдельным мультимодальным проектором, но это не релиз Apple. Наличие GGUF-файла и обычный `llama-server` сами по себе не подтверждают воспроизведение полного сценария LensVLM с выборочным вызовом `read_page` и качеством исходной модели; независимых сравнений квантизаций для этой задачи мы не проводили. [s5](#src-s5) [s3](#src-s3)

**Лицензии различаются:** код распространяется по Apple Sample Code License, а веса и производные от них модели — по Apple Machine Learning Research Model License. Последняя разрешает использование, модификацию и распространение только для некоммерческих исследовательских целей; разработка продукта, коммерческий сервис и иная коммерческая эксплуатация в определение Research Purposes не входят. Публичная доступность весов не означает коммерческое разрешение. [s2](#src-s2) [s3](#src-s3)

## Что означают цифры в работе

В статье авторы заявляют качество, сопоставимое с верхней границей на полном тексте при эффективном сжатии 4,3×, и преимущество перед исследованными базовыми подходами до 10,1× эффективного сжатия на семи бенчмарках вопросов и ответов. Это результаты Apple для конкретного экспериментального протокола, не независимая проверка Modelium и не гарантия для корпоративных PDF. Репозиторий отделяет сам инференс от оценки: в его примере evaluation правильность ответа проверяет LLM-судья Qwen3.5-397B-A17B-FP8, запущенный авторами на узле с восемью B200; `--skip_judge` позволяет считать метрики выбора страниц без этого судьи. **Эта конфигурация оценки не является минимальной конфигурацией запуска LensVLM.** [s4](#src-s4) [s3](#src-s3)

Если нужен коммерческий локальный документооборот, нельзя переносить исследовательскую лицензию весов в продакшен по умолчанию: сначала проверьте разрешения и выберите подходящую модель. Для некоммерческого исследования начните с официального демо и измерьте долю правильно выбранных страниц на собственном корпусе до интеграции. [s2](#src-s2) [s3](#src-s3)

## Источники

1. [Apple LensVLM-9B: модель и файлы (ревизия ac40d966)](https://huggingface.co/apple/LensVLM-9B/tree/ac40d9667bd68df3ac9839d3f0dc7bdb93f5f92b) — получено 2026-09-24
2. [Apple Machine Learning Research Model License](https://huggingface.co/apple/LensVLM-9B/blob/ac40d9667bd68df3ac9839d3f0dc7bdb93f5f92b/LICENSE) — получено 2026-09-24
3. [Официальный код Apple ml-lensvlm и README](https://github.com/apple-aiml-research/ml-lensvlm/tree/10709a7e2a80bdf971628359d47e4bd35fce3d95) — получено 2026-09-24
4. [LensVLM: Selective Context Expansion for Compressed Visual Representation of Text](https://arxiv.org/abs/2605.07019) — получено 2026-09-24
5. [Сторонняя GGUF-квантизация bartowski/LensVLM-9B-GGUF](https://huggingface.co/bartowski/LensVLM-9B-GGUF/tree/64a86841598e9512beb38051162c8bcd4dd1fe7d) — получено 2026-09-24