腾讯微信视觉团队发布了 WeVisOne-VL,这是一个开源的视觉语言模型,提供 2B 和 4B 参数版本。该统一模型可以执行多种任务,包括对象检测、OCR、分割和抠图,无需单独的专用模型。WeVisOne-VL 基于 Qwen3-VL 构建,并采用新颖的像素解码器以实现细粒度输出,根据自我报告的结果,在众多基准测试中表现强劲。 AI
影响 将多个视觉任务统一到一个模型中,可能简化 AI 应用的开发和部署。
排序理由 腾讯发布了带有系统卡的 Frontier-lab 模型。 [lever_c_demoted from frontier_release: ic=1 ai=1.0]
- Dense200
- Hugging Face
- LocateAnything-3B
- LVIS
- Qwen3-VL
- Rex-Omni
- SAM3
- Tencent
- transformers
- vLLM
- WeVisOne-VL
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →