inclusionAI 开源 VISTA-4B,一个能看懂屏幕截图、帮你点按钮的视觉模型
inclusionAI 发布 VISTA-4B GUI 定位视觉语言模型
inclusionAI 在 Hugging Face 上放出了 VISTA-4B,一个基于 Qwen3.5 的 40 亿参数视觉语言模型。它的核心能力是 GUI 元素定位:你给它一张屏幕截图和一句指令,它就能指出目标按钮或区域在哪。
推荐理由:inclusionAI 开源 40 亿参数的 VISTA-4B,能根据屏幕截图和指令定位 GUI 元素,为界面自动化提供了一条可直接试用的模型路径。