WeChat Vision

腾讯发布 WeVisOne-VL-4B 多模态模型支持本地部署

腾讯发布了 WeVisOne-VL-4B，一个基于 Qwen3-VL 构建的多模态感知模型，能够执行对象检测、分割和 OCR 等任务。这个 4B 参数模型可以使用 Ollama 或 llama.cpp 在 8GB GPU 上本地运行，但掩码生成需要单独的解码器。腾讯的基准测试显示，WeVisOne-VL-4B 在抠图和拒绝不存在目标等特定任务上优于 Qwen3-VL-8B 和其他模型，但该比较被指出缺少一些关键的基线。