微信团队开源 WeVisOne-VL：2B/4B 统一目标与像素级感知
bdsqlsz · x · 2026-11-04
腾讯微信视觉团队开源视觉语言基础模型 WeVisOne-VL，提供 2B/4B 两个规格，GitHub 已获 635 star。
核心卖点是把目标级和像素级感知统一进一个模型：
- 目标级：目标检测、指代定位、计数、pointing、OCR
- 像素级：指代分割、可提示 alpha matting，无需单独跑 SAM
- 通过结构化 next-token prediction 实现从点、框到 mask 和 alpha 抠图的统一输出
- 图中不存在的目标会直接回答 "None"
「模型」频道最新
- 4B 开源音频决策模型 Smaug 登顶，音频得分超 Gemini API — bindureddy · 2026-11-04
- Reddit 求账：三个 ChatGPT Plus 账号要不要换成 Claude Pro 或升级 Pro — Invalid-Function · 2026-11-04
- Reddit 热帖：Gemini 4 Argon 在新 Agent 基准上逼近 Claude 与 GPT-6 — Ok_Concept4102 · 2026-11-04
- Ramp 数据：Google 模型缓存 token 占比不足对手一半，Agent 使用落后 — Sufficient-Bat-9880 · 2026-11-04
- 谷歌 AI 长对话失效：只回复「没有可用结果」错误提示 — batimfan4ever · 2026-11-04
- 开源数学模型 FM-Pochi-32B 称在 IMO 2026 摘铜，全流程可复现 — Ryan__Rhys · 2026-11-04