微信视觉团队开源 WeVisOne-VL：2B/4B 视觉模型，找东西数东西读文字，抠图不用再接 SAM

微信官方 X 账号今天宣布，微信视觉团队开源了 WeVisOne-VL，一个 2B/4B 参数的视觉语言模型，主打“给 AI 一双看细节的眼睛”：找东西、数东西、读文字，还能直接出精确的分割掩码和抠图，不用再单独接 SAM。

按 README 的说法，这个模型把物体级感知和像素级感知统一到了一起：物体级包括目标检测、指代表达定位、计数、指向和 OCR；像素级包括分割掩码和 alpha 抠图。还有一个细节：图中没有要找的东西时，模型会直接回答 “None”，而不是硬编一个出来。

开源地址：https://github.com/Tencent/WeVisOne-VL（Apache-2.0，10 月 22 日建仓，目前 603 星）。2B 与 4B 两个版本都已上 Hugging Face，另有在线 Demo、项目主页和 arXiv 论文：WeVisOne-VL-2B、WeVisOne-VL-4B、项目主页、论文 arXiv:2610.31329。

来源：X @Weixin_WeChat，原文：https://x.com/weixin_wechat/status/2117574180690600126