# inclusionAI 开源 VISTA-4B，一个能看懂屏幕截图、帮你点按钮的视觉模型

> 原标题：inclusionAI 发布 VISTA-4B GUI 定位视觉语言模型

- 来源：AI HOT 精选
- 发布时间：2026-06-12T08:59:41.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38026
- 原文：https://huggingface.co/inclusionAI/VISTA-4B

## 摘要

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。

## 锐评

4B 做 GUI 定位这个方向我认，参数小才跑得动端侧和批量截图，40 亿这个量级正好卡在能塞进单卡推理的位置。但模型卡干净到零基准、零数据说明、零横向对比，这个我信不过。GUI 定位的分数最好刷，随便挑个自家测试集就能报个漂亮数字，所以没第三方 benchmark 之前，这个 4B 只能当个 demo 看。inclusionAI 敢开源权重是好事，可连跟 Qwen3.5 基座比涨了多少都不写，我只能先当它没测。
