Lanzamientos de modelos

inclusionAI lanza VISTA-4B, modelo de visión-lenguaje para localización de GUI

Título original:inclusionAI/VISTA-4B

Resumen de IA

VISTA-4B es un modelo de localización de GUI basado en el backbone Qwen3.5-4B que recibe capturas de pantalla e instrucciones en lenguaje natural y genera coordenadas normalizadas de 0 a 1000. Su entrenamiento emplea GRPO con consistencia de vistas y anclaje cruzado de vistas con autoverificación. En los benchmarks de localización de GUI, obtiene 64,2 en SSPro (2,0 más que GRPO-4B), 93,8 en SSV2 (0,4 menos), 61,2 en OSWorld-G (1,3 más) y 69,7 en OSWorld-G-R (0,5 más). El modelo está disponible en código abierto en HuggingFace y se recomienda usar el prompt y devolver coordenadas en formato [x,y].

Puntos clave

  • VISTA-4B es un modelo de localización de GUI basado en el backbone Qwen3.
  • 5-4B que recibe capturas de pantalla e instrucciones en lenguaje natural y genera coordenadas…
  • Su entrenamiento emplea GRPO con consistencia de vistas y anclaje cruzado de vistas con…
  • En los benchmarks de localización de GUI,obtiene 64,2 en SSPro (2,0 más que GRPO-4B),93,8 en SSV2…
  • El modelo está disponible en código abierto en HuggingFace y se recomienda usar el prompt y…

Resumen rápido

Publicado
Actualizado
Fuente
蚂蚁 inclusionAI:HuggingFace 新模型
Categoría
Lanzamientos de modelos
Puntuación IA
62
Leer el original Leer el artículo completo en la fuente original
Por qué importa

蚂蚁 inclusionAI 开源了一款 GUI 定位模型,基于 Qwen3.5 微调,在接地基准上小幅提升,关键是提供了自验证训练方法,做桌面自动化的可以直接下载用。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: inclusionAI lanza VISTA-4B, modelo de visión-lenguaje para localización de GUI. 12. junio 2026. https://new.nat6.net/es/news/cmqbwmfgh05seslam0r0r80vz/

Ver todo →