开源多模态大模型家族，视觉语言能力接近 GPT-4o，支持图像分类、图文检索、语义分割和视频理解等任务。
仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。
…cReel/ArcReel/issues/3619) catalog: 模型条目可以记录参考图上限、视频输入方式与图片 token 估算基数 ([6d43a64](https://github.com/ArcReel/ArcReel/commit/6d43a6437f6b9572e7569f61a4abc3d54df8a9c3)), cl
…支持，优化 talker / code-predictor 的 KVCache 解码 Qwen 系列视频输入 ：新增 Qwen3.5 视频输入，以及 Qwen2.5-VL / Omni 的逐帧 mask、window index 和时间维 mRoPE 处理 工具 NeedleBench ：新增长文本检索评测工具、压缩检查模式和 iOS m
…ffusion 增强 : iOS/Android 全面支持 Sana 风格迁移、Omni 音频输出、视频输入等新功能 Metal 后端增强 : MetalConvolutionDepthwise 支持 Clone；修复 INT8/INT4 Conv2D 计算错误 --- ✨ 新功能 LLM/VLM Qwen3.5 模型支持 : 支持 Qw