Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
Xiaomi-Lens-0 can answer a question about an image and, in the same breath, outline the exact area of the picture it is talking about. The release, published on 21 October 2026, comes from SeerRay-Lab, the Visual Understanding Group inside Xiaomi's large language model applications team. The model card and report credit Xiaomi Corporation, so this is a Xiaomi research release, not a third-party copy.
Xiaomi-Lens-0 può rispondere a una domanda su un'immagine e, nello stesso momento, delineare l'area esatta dell'immagine di cui sta parlando. Il rilascio, pubblicato il 21 ottobre 2026, arriva da SeerRay-Lab, il Visual Understanding Group interno al gruppo che si occupa delle applicazioni dei grandi modelli linguistici di Xiaomi. La scheda del modello e il rapporto attribuiscono il lavoro a Xiaomi Corporation: si tratta quindi di una release di ricerca di Xiaomi, non di una copia di terzi.
The model is built on Qwen3.5-4B and adds a lightweight pixel-mask decoder. When it emits a special mask token, the decoder turns that token's visual representation into a segmentation mask over the image. Because each representation maps to one region, the model can interleave ordinary text with region pointers during its step-by-step reasoning, not only in the final answer. The team also released LensBench, a segmentation benchmark, and a demo.
Il modello è costruito su Qwen3.5-4B e aggiunge un decodificatore leggero di maschere a pixel. Quando emette un token speciale di maschera, il decodificatore trasforma la rappresentazione visiva di quel token in una maschera di segmentazione sull'immagine. Poiché ogni rappresentazione corrisponde a una sola regione, il modello può intercalare il testo ordinario con puntatori alle regioni durante il ragionamento passo dopo passo, non solo nella risposta finale. Il team ha inoltre rilasciato LensBench, un benchmark di segmentazione, e una demo.
The technical report credits the model with an average gain of 5.6 points over the Qwen3.5 base on referring comprehension, the task of finding the object a sentence describes, across eight splits of the RefCOCO, RefCOCO+ and RefCOCOg tests. It also cites a 6.8-point gain on CountQA and says the model leads the systems it lists on segmentation cIoU, a measure of how closely predicted masks match the true ones. These are the authors' own evaluations, and the release mentions no independent test.
Il rapporto tecnico attribuisce al modello un guadagno medio di 5,6 punti rispetto al Qwen3.5 di base nella comprensione per riferimento, cioè nel compito di trovare l'oggetto descritto da una frase, su otto suddivisioni dei test RefCOCO, RefCOCO+ e RefCOCOg. Cita anche un guadagno di 6,8 punti su CountQA e afferma che il modello è in testa rispetto ai sistemi elencati sulla cIoU di segmentazione, una misura di quanto le maschere previste corrispondano a quelle reali. Si tratta di valutazioni degli autori stessi, e il rilascio non menziona test indipendenti.
For developers and researchers, the change is access: the weights, code and report are public under the Apache 2.0 license, which allows reuse. The release names robotics pick-and-place, in-car assistants and phone visual helpers as edge-oriented experiments, since a 4-billion-parameter model is small enough for such devices. None of these uses is described as a product, and no date is given. Loading the model requires the accompanying Xiaomi-Lens package, not a standard Transformers class alone.
Per sviluppatori e ricercatori, il cambiamento è nell'accesso: pesi, codice e rapporto sono pubblici sotto licenza Apache 2.0, che consente il riutilizzo. Il rilascio indica come esperimenti orientati all'edge computing la manipolazione robotica pick-and-place, gli assistenti per auto e gli assistenti visivi per telefoni, poiché un modello da 4 miliardi di parametri è abbastanza piccolo per tali dispositivi. Nessuno di questi usi è descritto come prodotto e non viene indicata alcuna data. Per caricare il modello serve il pacchetto Xiaomi-Lens che accompagna il rilascio, non una classe standard di Transformers da sola.