MolmoPoint：开源视觉模型 8B大小，基于Qwen3 8B，特点是没有视觉→坐标数字→文本的转换过程，而是直接从视觉特征中选择目标位置，视觉能力达到同等大小最佳，开源了通用视觉、GUI专用、视频专用3个版本的模型。 模型：