我看到了一個相當有趣的動向。Moondream似乎推出了一項專門用於提升視覺語言模型（VLM）精度的新服務「Lens」。這是在上週4月21日的事情。

到目前為止，VLM在實驗室內表現優秀，但在實際應用場景中，精度卻大幅下降，這一直是個問題。Lens正是為了解決這個問題而推出的微調服務，支持強化學習和有監督微調兩種方式。它是採用計量付費的API，用戶可以根據需求使用。

令人驚訝的是，它能用少量資料就實現大幅改善。舉例來說，將其應用於NBA直播影像分析，F1分數從28%飆升到79%。誤檢率也大幅降低。

在街景圖像辨識國家、醫療影像處理等任務中，也展現出超越現有模型的性能。這讓人感覺視覺語言模型的實用化又向前邁進了一步。

Moondream的早期合作夥伴PTZOptics計畫將這個Lens整合進來，以提升目標追蹤和異常偵測的精度。之前，Moondream也推出過Photon推論引擎，而Lens則是補足它的部分，旨在兼顧VLM運作的速度與精度。

用技術來解決實際應用中的挑戰。這樣的穩扎穩打的改進，或許正是VLM全面普及的關鍵所在。