腾讯微信视觉团队开源视觉语言模型 WeVisOne-VL，提供 2B（2.44B 参数）和 4B（4.83B 参数）两个版本，基于 Qwen3-VL，用一个 9.6M 参数的解码器完成掩码与 alpha matte，号称统一检测、OCR、分割与抠图，无需单独部署 SAM。
两个版本的权重已上传 Hugging Face，基于 GGUF 的构建无法生成掩码，因为解码器需要原生视觉特征；微调代码尚未发布。
上述“统一”与“无需 SAM”为发布方对模型能力的说法。
AI 根据报道生成 · 2 小时前更新