热点事件观察中
腾讯发布WeVisOne-VL-4B统一模型
2 篇报道2 个报道来源1 天前更新
先了解这件事
AI 综述
腾讯微信视觉发布 WeVisOne-VL-4B，基于 Qwen3-VL，以结构化 next-token 预测和 9.6M 参数轻量像素解码器，将开放词汇检测、指代定位、计数、指向、OCR、指代分割和可提示 alpha 抠图统一到同一模型。 论文介绍，模型通过特殊 <OBJ> token 生成实例级像素，并采用三阶段课程训练，先监督微调，再进行混合任务强化学习。 该版本仅面向单轮图像感知，像素解码器会拒绝视频网格；精细 alpha 边界仍受分辨率、严重遮挡、复杂透明度和提示措辞影响。发布方将其定位为研究用途，不用于自主高影响决策或身份识别。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 17:48
腾讯 WeChat Vision 发布 WeVisOne-VL-4B 统一视觉感知模型事件进展
2 个进展
- 10月22日 17:48 · 1 篇报道发布WeVisOne-VL-4B视觉语言模型腾讯混元：腾讯 WeChat Vision 发布 WeVisOne-VL-4B 统一视觉感知模型
- 10月22日 04:00 · 1 篇报道发表WeVisOne-VL视觉感知研究HF Daily Papers：WeVisOne-VL：从对象到像素的统一视觉感知
报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- 腾讯混元精选腾讯 WeChat Vision 发布 WeVisOne-VL-4B 统一视觉感知模型
腾讯 WeChat Vision 发布 WeVisOne-VL-4B，将对象级视觉任务与像素级视觉任务统一到同一模型中。模型基于 Qwen3-VL，通过结构化 next-token prediction 和 9.6M 参数轻量像素解码器，支持开放词汇目标检测、指代定位、目标计数、目标指向、OCR、指代分割及可提示 alpha 抠图。
- HF Daily Papers精选WeVisOne-VL：从对象到像素的统一视觉感知
论文提出 WeVisOne-VL，通过结构化 token 预测统一对象级与像素级视觉感知。该 VLM 借助轻量 pixel decoder 和特殊 <OBJ> token 生成实例级像素输出，并采用三阶段课程训练，先进行 SFT，再进行混合任务 RL。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。