LBS-27B: открыты веса модели, которая увеличивает детали на скриншотах

LBS-27B: открыты веса модели, которая увеличивает детали на скриншотах

На скриншоте нужно найти маленькую кнопку, но общий вид не позволяет разобрать её подпись. Модель LBS-27B от команды inclusionAI устроена так, чтобы сначала запросить увеличенный фрагмент изображения, а затем указать место на исходном экране. 26 октября 2026 года авторы выложили веса модели. Это новость об исследовательской модели, а не готовый домашний рецепт: самостоятельно увеличивать картинку или нажимать на кнопку модель не умеет. s1 s2

Что меняется для локального анализа экранов?

Вместо ответа по одному общему изображению LBS-27B может текстом запросить действие crop_image — вырезать и показать нужную часть крупнее. Отдельная программа должна выполнить такой запрос, передать фрагмент обратно и сопоставить координаты с исходным скриншотом. Итоговая точка задаётся на исходном изображении; чтобы реально нажать кнопку, потребуется ещё один исполнитель. Это полезный строительный блок для разработчика локального помощника по экрану, но не готовый помощник для обычного пользователя. s1 s2

Исходная основа — Qwen3.8-27B. По описанию авторов, LBS обучали на синтетических примерах поиска элементов интерфейса, а затем проверяли не только на экранах, но и на вопросах по изображениям. Слово «локально» здесь означает возможность обслуживать опубликованные веса на собственном оборудовании; вся цепочка останется локальной только если клиент обработки изображений и исполнитель действий тоже работают у вас. s1 s2

Что доступно и сколько подтверждено?

В закреплённой ревизии Hugging Face есть двенадцать файлов весов Safetensors и индекс, который ссылается на все двенадцать. Карточка отмечает лицензию весов Apache 2.0, но отдельного файла LICENSE в репозитории модели нет; код ветки LBS опубликован с собственным Apache-2.0 LICENSE, а базовая Qwen3.8-27B имеет отдельный файл Apache-2.0 LICENSE. Права на сторонние скриншоты и наборы данных нельзя выводить из лицензии модели. s1 s2 s3

Авторы сообщают 81,15% точности указания цели на 1 581 примере ScreenSpot-Pro при полном цикле увеличения. Они также указывают 59,67% на 3 000 вопросах PerceptionBench, где ответ оценивала отдельная модель Deepseekv4-flash-0731, запущенная авторами. Это их оценки, не независимый тест Modelium. Сравнивать их напрямую с результатами других моделей нельзя без одинакового способа увеличения и оценщика; авторы сами отмечают разные условия сравнений. s2 s4

Нужно ли что-то устанавливать сейчас?

Если вы просто хотите, чтобы локальный помощник объяснил, где кнопка на экране, готового приложения здесь пока нет. Разработчикам авторы предлагают запустить файлы модели через программу vLLM и подключить свой клиент для увеличения фрагментов. Пример в репозитории использует четыре ускорителя — это конфигурация примера, не доказанный минимум. Редакция не запускала модель и не проверяла совместимость на домашнем компьютере. Для первого знакомства достаточно открыть карточку весов и оценить, нужен ли вам именно исследовательский компонент с собственным клиентом. s1 s2

Источники проверены 27 октября 2026 года; зафиксированы ревизии модели и кода. s1 s2