# Tencent مدل WeVisOne-VL را برای پنج وظیفه بینایی عرضه کرد

> تیم بینایی WeChat در Tencent مدلی با مجوز Apache 2.0 و در اندازه‌های 2B و 4B منتشر کرده که چند وظیفه درک تصویر را ترکیب می‌کند.

Oossa · 2026-11-04 · https://oossa.com/fa/tencent-releases-wevisone-vl-for-five-vision-tasks

تیم بینایی WeChat در Tencent مدل بینایی‌ـ‌زبانی WeVisOne-VL را منتشر کرده است؛ مدلی که تشخیص اشیا، تشخیص متن (OCR)، شمارش، بخش‌بندی تصویر و جداسازی مات آلفا را انجام می‌دهد. این مدل در اندازه‌های 2 میلیارد و 4 میلیارد پارامتر عرضه شده و یک رمزگشای پیکسلی 9.6 میلیون‌پارامتری دارد. مجوز آن Apache 2.0 است و استفاده گسترده را با رعایت مفاد مجوز امکان‌پذیر می‌کند. در اطلاعیه، نتایج بنچمارک ارائه نشده و مشخص نیست کاربران از کجا می‌توانند مدل را دانلود یا اجرا کنند.

## حقایق

- در اندازه‌های 2B و 4B عرضه شده است.
- از رمزگشای پیکسلی 9.6M پارامتری استفاده می‌کند.

## چرا مهم است

توسعه‌دهندگان می‌توانند برای پنج وظیفه تصویری، یک مدل با مجوز Apache 2.0 را در نظر بگیرند؛ اما بدون جزئیات دسترسی یا نتایج بنچمارک، عملکرد عملی آن روشن نیست.

## منابع و ارجاع‌ها

1. [Tencent WeVisOne-VL Unifies Detection, OCR, Segmentation and Matting](https://www.marktechpost.com/2026/11/03/tencent-wevisone-vl-vision-language-model/) – MarkTechPost, 2026-11-04

آخرین به‌روزرسانی: 2026-11-04