# Tencent、5つの視覚タスクに対応するWeVisOne-VLを公開

> TencentのWeChat Visionチームが、複数の画像理解タスクを統合したApache 2.0ライセンスのモデルを、2Bと4Bのサイズで公開した。

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

TencentのWeChat Visionチームは、物体検出、テキスト認識（OCR）、カウント、セグメンテーション、アルファマッティングに対応する視覚言語モデル「WeVisOne-VL」を公開した。モデルは20億パラメーターと40億パラメーターの2サイズで、960万パラメーターのピクセルデコーダーを搭載する。ライセンスはApache 2.0で、ライセンス条項に従えば幅広い用途に利用できる。発表ではベンチマーク結果は示されておらず、モデルのダウンロード先や実行方法についても説明されていない。

## 事実

- 2Bと4Bのサイズで提供。
- 960万パラメーターのピクセルデコーダーを使用。

## なぜ重要か

開発者は、5つの画像タスクに対応するApache 2.0モデルを選択肢に加えられる。ただし、入手方法やベンチマーク結果が明らかでないため、実用面での性能は不透明だ。

## 出典と参考資料

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

最終更新: 2026-11-04