bibibi.ccLoading…
报道称腾讯微信视觉团队开源WeVisOne-VL，含2B和4B版本，可统一完成多种视觉任务。
微信团队开源4B视觉模型：数数、识字、精细抠图
动察 Beating AI 快讯，腾讯微信视觉团队开源 WeVisOne-VL，推出 2B 和 4B 两个版本。它能在一套模型里完成目标检测、计数、OCR 文字识别、按描述定位物体、图像分割和精细抠图。比如让 AI 找出照片里穿红衣服的人，它可以标出位置，再抠出人物轮廓。如果图片里根本没有这个人，模型还能回答 None，减少凭空标出目标的情况。
传统方案通常需要检测模型、SAM 分割模型和抠图模型接力完成。WeVisOne-VL 基于 Qwen3-VL，把物体坐标编码成特殊 Token，再通过一个仅 960 万参数的像素解码器，生成分割掩码和带透明度的 Alpha 图，处理头发等细节。整个过程无需额外调用 SAM。
腾讯公布的测试中，4B 在 Dense200 密集目标检测上的 F1 得分为 71.3，超过所列最强对手的 58.7；PixMo-Count 计数准确率达到 89.6%，对照为 82.8%。在团队自建的 WeRef-Bench 中，面对不存在的目标，拒绝误报的比例达到 96.4%。
动察 Beating AI称，腾讯微信视觉团队开源WeVisOne-VL，并推出2B和4B两个版本。
报道列出的能力包括目标检测、计数、OCR文字识别、按描述定位物体、图像分割和精细抠图。
报道表示，当图片中不存在指定目标时，模型可以回答“None”。
WeVisOne-VL基于Qwen3-VL，将物体坐标编码成特殊Token，并使用一个仅960万参数的像素解码器。
报道表示，该像素解码器可生成分割掩码和带透明度的Alpha图，整个过程无需额外调用SAM。
腾讯公布的测试中，4B在Dense200上的F1得分为71.3，所列对照为58.7。
腾讯公布的测试中，PixMo-Count计数准确率为89.6%，对照为82.8%。
在团队自建的WeRef-Bench中，面对不存在的目标，拒绝误报的比例为96.4%。
The following is analysis, separate from reported facts. Verify important claims independently.
这是一套把多种图片理解与处理能力放进同一模型的方案。用户可以让它寻找、统计或识别图片内容，也可以定位并分割指定物体，生成包含透明度信息的抠图结果。
报道中的方案可在同一模型内完成检测、识字、计数、分割和抠图，并称无需额外调用SAM；公布的测试结果也显示其在所列任务上超过对照成绩。
新手可把它理解为一个能“看图、找物、数数、读字并抠图”的视觉模型，但材料没有提供开源仓库、许可证或使用方法。
Loading event timeline…