腾讯开源统一视觉语言模型 WeVisOne-VL

腾讯微信视觉团队开源统一视觉语言模型 WeVisOne-VL，提供 2B/4B 等规格，其中 2B 版本已上架 Hugging Face。模型基于 Qwen3-VL 构建，通过结构化 token 预测和轻量级像素设计统一物体级与像素级视觉感知，支持检测、定位、计数、OCR、分割与抠图等任务。