El equipo de WeChat Vision de Tencent lanzó WeVisOne-VL, un modelo de visión y lenguaje que realiza detección de objetos, reconocimiento de texto (OCR), conteo, segmentación y recorte alfa. Está disponible en tamaños de 2.000 y 4.000 millones de parámetros e incluye un decodificador de píxeles de 9,6 millones de parámetros. Tiene licencia Apache 2.0, que permite un uso amplio sujeto a sus condiciones. El anuncio no incluye resultados de pruebas comparativas ni indica dónde se puede descargar o ejecutar el modelo.
Por qué importa
Los desarrolladores pueden considerar un único modelo con licencia Apache 2.0 para cinco tareas de imagen, pero, sin información sobre cómo acceder a él ni resultados de pruebas comparativas, no está claro qué rendimiento ofrece en la práctica.
