在 Replicate 上執行 Isaac 0.1

Perceptron AI 於 2025 年 11 月 26 日釋出了 Isaac 0.1，這是一款擁有 20 億引數的開放權重視覺語言模型（VLM），專門為接地氣的感知任務設計。所謂“接地氣”，指的是模型能夠將視覺資訊與物理世界中的具體實體和空間關係聯絡起來，而不僅僅是進行抽象的影像分類。Isaac 0.1 在 Replicate 平臺上開放執行，開發者可以透過 API 輕鬆呼叫。

儘管引數量僅為 20 億，Isaac 在 OCR（光學字元識別）、物體識別和視覺推理等任務上，其表現足以媲美許多引數量大數倍的模型。例如，在讀取複雜場景中的文字、識別雜散物體以及理解物體間空間關係方面，Isaac 展現出了驚人的能力。

Isaac 0.1 的核心特性之一是可解釋的視覺推理。傳統的視覺語言模型通常只給出答案，而 Isaac 不僅能描述場景，還能明確指出其答案的出處——它會返回與每個宣告相關聯的邊界框或區域。這種透明度和可追溯性對於構建需要逐步證據的應用至關重要，例如在醫療影像分析、自動駕駛或工業質檢中，使用者需要知道模型判斷的依據。

在 OCR 方面，Isaac 經過專門最佳化，能夠讀取標誌、標籤、包裝和文件上較小或部分遮擋的文字。它結合了上下文理解能力，可以回答諸如“退貨地址是什麼？”或“比賽還剩多少時間？”這樣需要結合文字和場景理解的問題。這使其在文件處理、零售和製造業中非常實用。

空間感知是 Isaac 的另一大亮點。模型能夠理解物體之間的方位關係（例如左/右、上方/下方）、相互作用（如覆蓋、連線）以及異常情況（如錯位或缺失）。這意味著它可以用於識別裝配線上的錯誤元件、檢測產品缺陷或確定物品應屬的容器或位置。結合少樣本學習，使用者只需提供幾個標註示例，模型就能立即適應新的任務，無需進行耗時的微調。

Isaac 的高效性得益於其小巧的引數量。在 20 億引數下，模型能夠以足夠快的速度執行在即時或邊緣計算受限的環境中。這對於機器人、製造自動化、視覺檢測和大規模文件處理等工業級應用來說，是一個極具吸引力的選擇。

在使用方面，Replicate 提供了簡潔的 API。以下是一個 JavaScript 呼叫示例：首先安裝 Replicate 的 JavaScript 庫，然後建立例項，傳入影像 URL，即可執行模型並獲得結構化輸出。例如，輸入一張街景影像，模型可以判斷“此時橫穿馬路是否安全”，並給出答案及對應的區域證據。

目前，Isaac 0.1 已在 Replicate 上開放試用，感興趣的開發者可以立即前往嘗試。Perceptron AI 表示，未來將繼續最佳化模型，探索更多應用場景。對於希望在真實世界中部署可靠視覺 AI 的團隊來說，Isaac 0.1 提供了一個充滿潛力的新選擇。