VLM Run 为 OCR、文档和视频开启视觉模型网关
Sudeep Pillai 的公开 alpha 将模型选择变成一个参数，同时承担底层混乱的文档和视频流水线的责任。
By RuntimeWire Staff · Published · Updated
Primary source: Hugging Face Newsroom
为何重要
VLM Run 正在押注视觉 AI 的持久业务在于编排：稳定的 API、文档流水线和视频控制，这些能够在快速的模型更迭中存续。
Sudeep Pillai 于 9 月 1 日 向公众开放了 VLM Run Gateway，为开发者提供了一个与 OpenAI 兼容的接口，用于开放权重的 OCR、视觉-语言和专用计算机视觉模型。VLM Run 随后在 9月4日发布在 Hugging Face 的一篇社区文章 中阐述了创始人的论点：演示一个视觉模型很容易，但一旦请求涉及 PDF、视频和生产环境中的准确性，就要让人信任则困难得多。
Pillai 在构建感知系统而非聊天应用时遇到了这个问题。他在 MIT 获得博士学位，论文研究方向是移动机器人中的自监督感知和 SLAM（同步定位与地图构建），随后在 Toyota Research Institute 担任机器学习负责人，在那里他为 Toyota 的自动驾驶研究交付了感知系统。…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.