# 腾讯在 Hugging Face 发布 WeVisOne-VL-4B 视觉语言模型

> 这款拥有 40 亿参数的新模型可根据单条提示完成目标检测、分割和图像抠图。

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

腾讯微信视觉团队已将 WeVisOne-VL-4B 模型上传至 Hugging Face。该模型基于 Qwen3‑VL 构建，可通过一次操作完成开放词汇目标检测、计数、OCR、指代分割和 Alpha 遮罩提取。模型配备了一个轻量级的 9.6 M 参数像素解码器，并使用特殊坐标标记来输出边界框和遮罩。此次发布仅面向研究用途，不适用于自主作出高影响决策。

## 事实

- 模型规模：40 亿参数，另配有一个 9.6 M 参数像素解码器
- 发布日期：2026‑10‑22（发布于 Hugging Face）

## 为什么重要

研究人员现在可以用单一模型尝试多种视觉语言任务，无需再把多个独立系统拼接起来。

## 来源与参考

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

最后更新: 2026-10-23