目标检测新范式：豆包等 VL 大模型能否直接取代 YOLO 落地？

来自 V2EX 的技术讨论探讨了在目标检测落地时，直接使用 Qwen3-VL、豆包等 VL（视觉语言）大模型的可能性。实测发现，豆包等模型在复杂场景下具备零样本识别能力，无需大量训练数据即可精准标注，在灵活性上显著优于需要反复迭代训练的 YOLO 算法。该话题引发了从业者对于利用大模型进行自动标注辅助训练，或直接应用于生产环境的可行性思考，折射出 CV 领域正从模型微调向通用智能演进的新趋势。