腾讯开源 WeVisOne-VL:一个模型包揽检测/计数/OCR/抠图
lmoroney · x · 2026-10-26
腾讯微信视觉团队在 Hugging Face 开源了 WeVisOne-VL,提供 2B 和 4B 两个规格,采用 Apache 2.0 协议,基于 Qwen3-VL 构建。
- 一个模型统一处理开放词汇检测、指代定位、计数、指向、OCR、指代分割与 alpha 抠图
- 输出包含边界框和点等多种定位形式
- 作者 lmoroney 指出,过去这类任务通常需要多个独立视觉模型,该模型用单一模型替代
所属事件:腾讯开源 WeVisOne-VL:单模型统一检测、OCR、分割与抠图(3 条相关)→
「模型」频道最新
- 让纯文本 LLM 用字符画物体：5 个无视觉模型实测 — gabriberton · 2026-10-26
- 日本将组建 AI 模拟网络攻击团队，AI 防御成常态 — evijit · 2026-10-26
- Anthropic工程师确认Claude Code缓存命中率已高，缓存节省落地 — teortaxesTex · 2026-10-26
- 20分钟微调的2015年CNN诊断皮肤病变，准确率62%碾压GPT-6与Claude — lmoroney · 2026-10-26
- 「从没见过 Claude 这么开心」：社区猜测 Opus 4.5 临近发布 — adonis_singh · 2026-10-26
- 「自 GPT-3 起就说不安全」：中国开源模型反超 OpenAI 旗舰引群嘲 — alejandroll10 · 2026-10-26