微信视觉团队开源多模态视觉模型 WeVisOne-VL

微信视觉团队开源统一视觉模型 WeVisOne-VL，提供 2B 与 4B 两个参数版本权重及评测代码。该模型基于 1 亿张图像与约 36 亿个目标框训练，将目标检测、计数、文字识别、分割和精细抠图整合至同一输出格式，并在目标不存在时直接返回 None。在 Ref-ZOM 评测集中其 4B 版本识别不存在目标的比例达到 86.0%，代码与权重均基于 Apache 2.0 协议开源。