微信视觉团队开源了 WeVisOne-VL 2B 和 4B 两个小模型：给一张图，同一个模型就能做目标检测、文字识别、按描述分割和抠图，图里没有要找的东西时… · @Moblacksoil · TwKit

@Moblacksoil

微信视觉团队开源了 WeVisOne-VL 2B 和 4B 两个小模型：给一张图，同一个模型就能做目标检测、文字识别、按描述分割和抠图，图里没有要找的东西时会直接回答 None。 它基于 Qwen3-VL，抠图不用另接 SAM。最有特点的是拒答：在团队自建的 WeRef-Bench 上，目标不存在时 4B 能正确拒答 96.4%，对比的开源基线里最好的是 73.0，都是官方自测。目前只做单张图、单轮任务，不支持视频。Apache-2.0 协议。 https://github.com/Tencent/WeVisOne-VL

曝光 102 · 评论 0 · 点赞 2 · 书签 0