Tencent、WeVisOne-VL-4BをHugging Faceで公開

新たな4 billionパラメーターのモデルは、1つのプロンプトで物体検出、セグメンテーション、画像マッティングに対応する。

短信著者： OossaOossa公開日: 2026年10月23日 7:53 UTC1 分で読める

TencentのWeChat Visionチームは、WeVisOne-VL-4BモデルをHugging Faceに追加した。このモデルはQwen3‑VLをベースにしており、オープンボキャブラリー物体検出、物体数のカウント、OCR、参照表現に基づくセグメンテーション、アルファマットの抽出を一度に実行できる。軽量な9.6 Mパラメーターのピクセルデコーダーを搭載し、専用の座標トークンを使ってバウンディングボックスやマスクを出力する。今回の公開は研究用途のみを想定しており、自律的な重大意思決定に使うことを目的としていない。