Apple LensVLM：长文档压缩为图，按需展开

LensVLM: Compressing long context as images, expanding only relevant pages

Apple 推出了 LensVLM-9B，这是一个基于 Qwen3.5 的视觉语言模型，专门解决长上下文处理难题。它不再简单地将文档转为文本，而是先将长文档压缩为图像进行扫描，然后利用学习到的工具，仅将相关页面动态展开为未压缩形式。这种“压缩为图、按需展开”的机制，大幅降低了计算成本，同时保留了关键细节。无论是处理学术论文还是长篇报告，LensVLM-9B 都能精准定位信息，为长文档理解提供了全新的思路。