可以运用在哪些场景

  1. 文档智能与 RPA：发票/表单/合同/报表的解析、字段抽取与版面理解，替代大量人工录入与规则模板维护。
  2. 图表与截图理解：对产品截图、监控面板、数据图表进行问答与要点总结，辅助运营分析与故障排查。
  3. 长视频检索与摘要：会议录像、课程视频、监控片段的内容检索与关键事件定位（结合其长时序建模能力）。
  4. GUI/设备智能体：结合定位与推理能力，用于电脑/手机界面元素识别与操作辅助（需在受控环境中谨慎评估可靠性）。
  5. 多尺寸多场景部署：3B/7B 适合端侧或低成本服务，72B 用于对理解精度要求高的复杂文档与视觉推理任务。