أضاف فريق WeChat Vision التابع لـTencent نموذج WeVisOne-VL-4B إلى Hugging Face. ويستند النموذج إلى Qwen3‑VL، ويمكنه تنفيذ اكتشاف الأجسام بمفردات مفتوحة، وعدّها، والتعرّف الضوئي على الحروف (OCR)، والتقسيم بالإحالة، واستخراج أقنعة ألفا، كل ذلك في خطوة واحدة. ويتضمن النموذج وحدة فك ترميز للبكسلات خفيفة الوزن تضم 9.6 M معلمة، ويستخدم رموز إحداثيات خاصة لإخراج مربعات الإحاطة والأقنعة. ويستهدف الإصدار الاستخدام البحثي فقط، ولا يُقصد به اتخاذ قرارات عالية التأثير بصورة مستقلة.
لماذا يهم
بات بإمكان الباحثين تجربة نموذج واحد لمجموعة واسعة من مهام الرؤية واللغة، من دون الحاجة إلى جمع أنظمة منفصلة.
