谷歌DeepMind的开放权重（open-weight）模型系列Gemma已升级至第四代，扩展为可同时处理文本和图像输入、部分模型甚至支持音频处理的多模态模型。 随着最大支持256K令牌的长上下文以及对140多种语言的支持，"开放模型也能同时处理长文本、多模态和多语言，并从设备端到服务器端进行部署"这一趋势已然明朗。
这一变化引人注目之处在于，能够“观察并描述”图像的VLM（Vision-Language Model，视觉-语言模型）的门槛因此大幅降低。长期以来，机器难以解读的典型非结构化数据正是建筑工地的图纸。 Digital Presso也正在筹备将该技术应用于图纸版本管理。本文将梳理Gemma 4等开源VLM将带来哪些变革，以及为何这项技术偏偏能解决“图纸版本管理”这一长期存在的难题。
开源模型已迈向多模态
谷歌DeepMind发布的Gemma 4属于开放权重（OpenWeights）模型系列，即其权重参数已公开，用户可直接部署在自有基础设施上使用。其核心在于输入范围的拓宽：该模型同时支持文本和图像输入，部分模型甚至还能处理音频。
此外，该系列还支持长达256K令牌的上下文，并兼容140多种语言。通俗来说，这意味着我们可以将一整组冗长复杂的文档原封不动地输入，并让模型连同其中的图像一并进行解读。
VLM，能够“阅读”图像的模型
这一趋势的核心正是VLM。 这是一种以照片或示意图等图像为输入，并能用自然语言描述其中包含的内容以及发生了哪些变化的模型。这种能力已通过无需依赖云API、可部署在本地设备或企业内部服务器上的开源模型得以普及，这对注重安全与成本的工业现场而言意义尤为重大。
图纸在不断变化
在建筑工地，图纸并非一旦确定就不再更改的文件。根据设计变更、现场条件以及发包方的要求，图纸会反复修订（Rev）。问题在于，这些修订版本会通过打印件、PDF、即时通讯软件共享的图片等多种渠道同时流传。
这样一来，有人可能还在使用过时的版本工作，而有人却在查看最新版本。这正是现场反复出现“我现在看的这张图纸真的是最新的吗”以及“这到底是什么时候改的”这类疑问的原因。
传统版本管理的局限性
迄今为止，图纸版本管理主要依赖于文件命名规则和人工手动整理，即在文件名后添加“Rev_C”、“最终_真正最终”等标签。 但这种方式既无法说明“内容发生了哪些变化”，也无法说明“这些变化发生在何时”。若要了解两个版本之间的差异及其变更时间点，最终还是得由人工将两份图纸并排摆放，通过肉眼对比，再结合记忆和即时通讯记录来推断。
图像对机器来说难以识别
根本原因在于图纸属于“图像”。文本文档易于搜索、比较和追溯历史，但图纸是由线条和符号构成的图像，机器在结构上难以处理其中的含义。
因此，如果施工时使用了错误的版本，就会导致返工和材料损失；而在追究责任时，“是依据哪个时间点的哪张图纸进行施工的”便成为争议的核心。这种结构下，一张图纸的版本混淆即意味着成本和风险。
“何时”与“什么”同样重要
在施工现场，图纸历史记录绝非简单的差异清单。只有同时记录“哪个区域发生了变更”以及“该变更在何时、哪个版本中得到体现”，才能真正实现追溯和证明。 如果变更时间点以时间线形式整理出来，就能追溯确认特定工作是依据哪个修订版本进行的。此前，这个“何时”仅存在于人的记忆和零散的对话中，很容易就消失了。
如今，这一障碍正在降低
这正是VLM扩展所具有重要意义之处。只要是能够识别并描述图像的模型，就能在接收两个版本的输入后，代替人类指出“哪个区域发生了怎样的变化”。这意味着，以往仅依赖人眼的工作，如今首次进入了机器能够提供辅助的领域。
目前，该系统已在各施工现场的沟通过程中提供附带图纸的功能，并在拍摄照片时自动映射地点、时间等元数据，以证明施工质量。Digitalpresso计划在此基础上，结合Gemma 4等开源VLM，将图纸版本管理功能提升至下一阶段。
例如，系统将通过模型分析新上传图纸与先前修订版之间的差异，并结合时间元数据，自动将变更时间记录为版本历史。 当“发生了哪些变化”和“何时发生变化”以时间线的形式累积起来时，不仅能确认哪个版本是最新版本，还能追溯到特定工作是基于哪个时间点的图纸完成的。 由于采用开放模型，无需将图纸这类敏感资料导出到外部，而可在自有环境中处理，这也是我们选择这一方向的原因之一。
Digitalpresso计划分阶段完善该功能并将其推向市场。如果您正在寻找减少图纸混乱和减轻证明负担的方法，建议您关注我们今后的进展。
开放式多模态模型的扩展，绝不仅仅是“AI变聪明了”这样的新闻。这更接近于一个信号：那些一直以来仅依赖人眼和人手处理的非结构化数据——尤其是现场图纸这类图像——终于能够被机器共同解读，并能梳理出“何时发生了哪些变更”。
技术成熟的速度与现场接受该技术速度总是存在差异。不过，围绕单张图纸的版本及其变更时间所产生的长期低效问题，如今显然已进入可解决的范畴。 Digital Presso也将一步一个脚印地准备，通过“图纸版本管理”这一具体功能，将这一变化付诸实践。
