腾讯开源WeVisOne-VL统一视觉语言模型
腾讯微信视觉团队发布2B/4B开源视觉语言模型WeVisOne-VL，用9.6M参数解码器统一检测、OCR、分割与抠图，采用Apache 2.0许可。
要点
- 提供2B（2.44B参数）与4B（4.83B参数）两版，基于Qwen3-VL，Apache 2.0许可。
- 单模型覆盖检测、指向、计数、OCR、分割与alpha抠图，无需单独SAM。
- 9.6M参数像素解码器复用Qwen3-VL ViT多层特征，输出掩码或alpha matte。
- 自报Dense200检测71.3 F1，高于LocateAnything-3B的58.7。
- 支持Transformers/vLLM单GPU BF16运行，社区GGUF可在6GB RTX 2060跑目标级任务。
阅读原文这里是中文要点整理，数字与细节以原文为准。
评论
还没有评论，来写第一条。