# Tencent pubblica WeVisOne-VL-4B su Hugging Face

> Il nuovo modello da 4 miliardi di parametri gestisce rilevamento e segmentazione degli oggetti e scontorno delle immagini con un unico prompt.

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

Il team Vision di WeChat di Tencent ha aggiunto il modello WeVisOne-VL-4B a Hugging Face. Basato su Qwen3‑VL, può rilevare oggetti con vocabolario aperto, contarli, eseguire l’OCR, segmentare elementi indicati tramite testo ed estrarre maschere alfa, tutto in un solo passaggio. Il modello include un decoder di pixel leggero da 9.6 M di parametri e usa token speciali per le coordinate, così da restituire riquadri di delimitazione e maschere. La versione è destinata esclusivamente alla ricerca e non è pensata per decisioni autonome ad alto impatto.

## I fatti

- Dimensioni del modello: 4 miliardi di parametri, più un decoder di pixel da 9.6 M di parametri
- Data di pubblicazione: 2026‑10‑22 (su Hugging Face)

## Perché conta

I ricercatori possono ora sperimentare con un unico modello per numerose attività di visione e linguaggio, senza dover integrare sistemi separati.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-23