新模型發佈 · 2026/10/22 於 Hugging Face 發布
WeVisOne-VL-4Btencent
圖文多模態2.4B／4.8Bapache-2.0
騰訊微信視覺團隊發布 WeVisOne-VL，基於 Qwen3-VL 架構的圖文多模態模型，提供 2.44B 與 4.83B 兩種參數量。該模型透過結構化 next-token prediction 與 9.6M 參數像素解碼器，統一物件層級感知（偵測、定位、計數、OCR）與像素層級感知（分割、抠圖）。採用 Apache 2.0 授權，適合視覺定位、分割及抠圖研究，但不支援影片輸入與自主決策。
重點
- 基於 Qwen3-VL，提供 2.44B 與 4.83B 參數量
- 整合物件偵測、定位、計數、OCR 與像素分割抠圖
- 內建 9.6M 參數像素解碼器處理高解析度輸出
- Apache 2.0 授權，允許商用與研究使用
- 僅支援單張圖片輸入，不支援影片網格
下載與變體
- tencent/WeVisOne-VL-4B4.83B 參數 · 55 讚 · 2605 次下載
- tencent/WeVisOne-VL-2B2.44B
介紹由 AI 依模型卡整理，資料日期 2026-10-26；發布方說法未經本站驗證。