# Tencent veröffentlicht WeVisOne-VL-4B auf Hugging Face

> Das neue Modell mit 4 Milliarden Parametern erkennt Objekte, segmentiert Bilder und erstellt Freisteller – alles mit einer einzigen Eingabe.

Oossa · 2026-10-23 · https://oossa.com/de/tencent-releases-wevisone-vl-4b-vision-language-model-on-hugging-face

Das Vision-Team von WeChat bei Tencent hat das Modell WeVisOne-VL-4B auf Hugging Face veröffentlicht. Es basiert auf Qwen3‑VL und kann Objekte mit offenem Vokabular erkennen und zählen, OCR durchführen, referenzbasierte Segmentierungen vornehmen und Alpha-Matten extrahieren – in einem Schritt. Das Modell enthält einen kompakten Pixel-Decoder mit 9.6 M Parametern und verwendet spezielle Koordinatentokens, um Begrenzungsrahmen und Masken auszugeben. Die Veröffentlichung ist ausschließlich für Forschungszwecke gedacht; das Modell ist nicht für autonome Entscheidungen mit erheblichen Auswirkungen vorgesehen.

## Die Fakten

- Modellgröße: 4 Milliarden Parameter plus ein Pixel-Decoder mit 9.6 M Parametern
- Veröffentlichungsdatum: 2026‑10‑22 (auf Hugging Face veröffentlicht)

## Warum es wichtig ist

Forschende können jetzt ein einzelnes Modell für viele Bild- und Sprachaufgaben erproben, statt mehrere Systeme miteinander kombinieren zu müssen.

## Quellen und Referenzen

1. [New model on Hugging Face: tencent/WeVisOne-VL-4B (image-text-to-text)](https://huggingface.co/tencent/WeVisOne-VL-4B) – Tencent Hunyuan, 2026-10-22

Zuletzt aktualisiert: 2026-10-23