FastVLM-0.5B 能读懂哪些图片？24 张实测

测量日期：2026-09-12 · 全部案例公开

答案精确匹配: 8/24
包含预期答案: 21/24
图片 → 回答耗时中位数: 732.5 ms

这是小型合成集上的回答格式与目标出现检查，不是通用 OCR 准确率。回答包含目标时，仍可能附带错误信息。

测试了什么

主机为 Apple M5 Pro、48 GiB 统一内存，使用无头 Chrome 152.0.7977.83 与 WebGPU。模型为 onnx-community/FastVLM-0.5B-ONNX，Transformers.js 3.7.2；视觉编码器与解码器 q4、词嵌入 fp16。先用独立收据预热一次，再对每张图运行一次。输入 800×600，页面在模型预处理前将最长边限制为 1024 像素。贪心生成，最多新增 192 个 token，重复惩罚 1.2。

耗时从图片处理前开始，到生成结束，不含模型准备、选择图片与导出 JSON。原始数据中的首段文字计时截止于第一个非空文本片段，不是严格的首 token 事件。每张图的一次计时不足以证明跨设备的稳定性能。

24 张图片均为原创合成图，由六类模板、每类四个变体构成。不包含照片、扫描件、手写内容或用户真实文档。大部分问题只问一个字段或类别，并非全文转录。字体、布局与标签在推理前已固定；这个集合不足以用于通用模型排名。

按任务类别查看结果

类别	答案精确匹配	包含预期答案	图片 → 回答耗时中位数
收据	4/4	4/4	719.0 ms
图表	0/4	4/4	697.5 ms
界面	0/4	4/4	1884.5 ms
英文小字	0/4	4/4	746.0 ms
中文	0/4	1/4	971.0 ms
形状计数	4/4	4/4	699.5 ms

精确匹配会去掉首尾空白、一个前置美元符号和一个末尾标点，再忽略英文大小写比较。“包含预期答案”对英文和数字使用完整 token，对中文使用子串检查。两项均不判断附加解释是否真实。

这些案例说明什么

四个收据总额和四个蓝色圆形数量都严格匹配了要求的回答。
图表名称、界面状态和英文产品编号出现在回答中，但模型经常在要求简答时添加解释，后续程序不能默认它遵守输出格式。
四道中文地点题中，三道没有出现图上地点。剩下一道虽包含预期地点，也附加了没有依据的说法。此配置用于中文提取时需要人工核对。

可以用 Playground 测试自己的任务并检查输出。目前证据支持有人检查的图片问答体验，尚不足以把它作为完全可靠、无需校对的 OCR 工具。

自行复现

下载完整测试包 ↓试试自己的图片 →

Chrome + a running FastVLM site · model download required

npm install --save-dev @playwright/test@1.55.1
# First start the FastVLM site locally; the script uses its English /demo.
PLAYWRIGHT_BASE_URL=http://127.0.0.1:4178 node scripts/evaluate-browser.mjs

原始回答与耗时 Manifest Provenance 查看相同图片上的 MobileCLIP2 S0 / S2 对比

逐例查看全部结果

类别仅显示缺失预期答案 / 分类错误 24 个案例

“包含预期答案”只检查目标是否出现，回答其余部分仍可能编造信息。“精确匹配”同时检验是否遵循了简短回答的格式要求。

receipt-1

问题: What is the TOTAL amount? Return the amount only.

预期答案: 15.00

实际回答

$15.00

精确匹配: 是
包含预期答案: 是
图片 → 回答: 720 ms

receipt-2

问题: What is the TOTAL amount? Return the amount only.

预期答案: 27.50

实际回答

$27.50

精确匹配: 是
包含预期答案: 是
图片 → 回答: 718 ms

receipt-3

问题: What is the TOTAL amount? Return the amount only.

预期答案: 7.25

实际回答

$7.25

精确匹配: 是
包含预期答案: 是
图片 → 回答: 691 ms

receipt-4

问题: What is the TOTAL amount? Return the amount only.

预期答案: 100.90

实际回答

$100.90

精确匹配: 是
包含预期答案: 是
图片 → 回答: 723 ms

chart-1

问题: Which category has the highest number of orders? Answer with its name only.

预期答案: Beta

实际回答

Answer: Beta

精确匹配: 否
包含预期答案: 是
图片 → 回答: 694 ms

chart-2

问题: Which category has the highest number of orders? Answer with its name only.

预期答案: Alpha

实际回答

Answer: Alpha

精确匹配: 否
包含预期答案: 是
图片 → 回答: 701 ms

chart-3

问题: Which category has the highest number of orders? Answer with its name only.

预期答案: Gamma

实际回答

Answer: Gamma

精确匹配: 否
包含预期答案: 是
图片 → 回答: 685 ms

chart-4

问题: Which category has the highest number of orders? Answer with its name only.

预期答案: Beta

实际回答

Answer: Beta

精确匹配: 否
包含预期答案: 是
图片 → 回答: 717 ms

interface-1

问题: What is the delivery status of order #1042? Return the status only.

预期答案: Pending

实际回答

To determine the delivery status of Order #1042, we need to carefully examine the provided image. The image shows an interface with various elements such as buttons for "View" and "Order." Step 1: Identify the relevant information. - Locate the section labeled "Delivery status." - Observe that there is a button next to this label. Step 2: Read the text on the button. - The button clearly states "Pending." Therefore, based on the information in the image, the delivery status of Order #1042 is "Pending." This indicates that the order has not yet been delivered or processed by the system.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 1563 ms

interface-2

问题: What is the delivery status of order #1042? Return the status only.

预期答案: Approved

实际回答

To determine the delivery status of order #1042, we need to carefully examine the provided image. The image shows an interface with various elements such as buttons, text fields, and links. Step 1: Identify the relevant information. - In this case, we are looking for the "Delivery status" of order #1042. Step 2: Locate the button labeled "Approved." - Upon examining the image, we see that there is a blue button labeled "Approved." Step 3: Confirm the delivery status based on the label. - Since the button labeled "Approved" indicates that the delivery status has been approved, we can conclude that the delivery status of order #1042 is indeed approved. Therefore, the delivery status of order #1042 is Approved.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 1802 ms

interface-3

问题: What is the delivery status of order #1042? Return the status only.

预期答案: Shipped

实际回答

To determine the delivery status of order #1042, we need to carefully examine the provided image. The image shows an interface with various elements such as buttons for "View" and "Order". Step 1: Identify the relevant information. - In this case, we focus on the button labeled "Shipped". Step 2: Understand the context. - The text above the "Shipped" button reads "Order #1042", indicating that this is the specific order being referred to. Step 3: Confirm the delivery status based on the given instruction. - According to the instructions in the simple answer, the delivery status should be specified by clicking or hovering over the "Shipped" button. Therefore, the delivery status of order #1042 can be determined by following these steps: 1. Locate the "Shipped" button in the image. 2. Read the accompanying text which states "Order #10

精确匹配: 否
包含预期答案: 是
图片 → 回答: 1967 ms

interface-4

问题: What is the delivery status of order #1042? Return the status only.

预期答案: Cancelled

实际回答

To determine the delivery status of Order #1042, we need to carefully examine the provided image. The image shows an interface with various elements such as buttons for "View" and "Order," along with text labels. Step-by-Step Solution: 1. **Identify the Relevant Information:** - Locate the section labeled "Delivery status." - Within this section, there is a button that reads "Cancelled." 2. **Analyze the Button's Text:** - The button has the label "Cancelled" which indicates the current status of the order. 3. **Conclusion:** - Based on the information provided in the image, the delivery status of Order #1042 is "Canceled." Therefore, the detailed answer is: The delivery status of Order #1042 is canceled. This conclusion can be drawn by examining the relevant section of the interface where the "Order Status" option is highlighted,

精确匹配: 否
包含预期答案: 是
图片 → 回答: 2059 ms

small-text-1

问题: What is the product code? Return the code only.

预期答案: AX-4179

实际回答

The product code is AX-4179.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 783 ms

small-text-2

问题: What is the product code? Return the code only.

预期答案: BK-5826

实际回答

The product code is BK-5826.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 744 ms

small-text-3

问题: What is the product code? Return the code only.

预期答案: CM-9034

实际回答

The product code is CM-9034.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 748 ms

small-text-4

问题: What is the product code? Return the code only.

预期答案: DT-2681

实际回答

The product code is DT-2681.

精确匹配: 否
包含预期答案: 是
图片 → 回答: 742 ms

chinese-1

问题: 活动地点在哪里？只回答地点名称。

预期答案: 城市图书馆

实际回答

根据提供的文本，该活动的地点是“中国北京”。“中国北京”的位置位于中国首都北京，具体来说是在东城区，与周边地区相对应。这可以从所提供的地理信息中推断出来，因为提到的是“一座城市和一个国家”。

精确匹配: 否
包含预期答案: 否
图片 → 回答: 1056 ms

chinese-2

问题: 活动地点在哪里？只回答地点名称。

预期答案: 社区活动中心

实际回答

根据图片中提供的信息，该活动的地点是“中国云南”(China Yunnan). 这些文本表明了地理位置和文化背景，但没有提供具体位置或详细说明。

精确匹配: 否
包含预期答案: 否
图片 → 回答: 980 ms

chinese-3

问题: 活动地点在哪里？只回答地点名称。

预期答案: 人民公园

实际回答

根据图片中提供的信息，该活动的地点是“人民公园”。这可以通过文本中的第二行所示，“市民公园”被翻译为“人民公园”，表明它是一个公共区域或公园。

精确匹配: 否
包含预期答案: 是
图片 → 回答: 962 ms

chinese-4

问题: 活动地点在哪里？只回答地点名称。

预期答案: 科学博物馆

实际回答

根据提供的文本，该活动的地点是“中国云南三元街”。这表明该活动发生在三元街，这是中国云南的一条主要街道和文化街区之一。

精确匹配: 否
包含预期答案: 否
图片 → 回答: 948 ms

shapes-1

问题: How many blue circles are in the image? Return one digit only.

预期答案: 1

实际回答

精确匹配: 是
包含预期答案: 是
图片 → 回答: 708 ms

shapes-2

问题: How many blue circles are in the image? Return one digit only.

预期答案: 2

实际回答

精确匹配: 是
包含预期答案: 是
图片 → 回答: 678 ms

shapes-3

问题: How many blue circles are in the image? Return one digit only.

预期答案: 3

实际回答

精确匹配: 是
包含预期答案: 是
图片 → 回答: 696 ms

shapes-4

问题: How many blue circles are in the image? Return one digit only.

预期答案: 4

实际回答

精确匹配: 是
包含预期答案: 是
图片 → 回答: 703 ms