Tencent की WeChat Vision टीम ने WeVisOne-VL-4B मॉडल को Hugging Face पर जोड़ा है। Qwen3‑VL पर आधारित यह मॉडल ओपन-वोकैबुलरी ऑब्जेक्ट डिटेक्शन, गिनती, OCR, रेफरिंग सेगमेंटेशन और अल्फा-मैट एक्सट्रैक्शन एक ही चरण में कर सकता है। मॉडल में 9.6 M पैरामीटर वाला हल्का पिक्सल डिकोडर है और बाउंडिंग बॉक्स तथा मास्क देने के लिए यह खास कोऑर्डिनेट टोकन का इस्तेमाल करता है। यह रिलीज़ सिर्फ़ शोध के लिए है; इसे स्वायत्त, बड़े प्रभाव वाले फ़ैसले लेने के लिए नहीं बनाया गया है।
यह क्यों मायने रखता है
शोधकर्ता अब अलग-अलग सिस्टम जोड़ने के बजाय कई विज़न-लैंग्वेज कार्यों के लिए एक ही मॉडल के साथ प्रयोग कर सकते हैं।
