Tencent’in WeChat Vision ekibi, WeVisOne-VL-4B modelini Hugging Face’e ekledi. Qwen3-VL temelinde geliştirilen model; açık kelime dağarcığıyla nesne tespiti, sayma, OCR, ifadeye dayalı segmentasyon ve alfa matı çıkarma işlemlerini tek adımda gerçekleştirebiliyor. Modelde hafif, 9.6 M parametreli bir piksel kod çözücü bulunuyor; sınırlayıcı kutular ve maskeler döndürmek için özel koordinat belirteçleri kullanıyor. Yayımlanan model yalnızca araştırma amaçlı ve yüksek etkili otonom kararlar için tasarlanmadı.
Neden önemli
Araştırmacılar artık farklı sistemleri bir araya getirmeden, birçok görsel-dil görevini tek bir modelle deneyebilecek.
