微信团队开源4B视觉模型：数数、识字、精细抠图

contact@theblockbeats.org (律动BlockBeats)

动察 Beating AI 快讯，腾讯微信视觉团队开源 WeVisOne-VL，推出 2B 和 4B 两个版本。它能在一套模型里完成目标检测、计数、OCR 文字识别、按描述定位物体、图像分割和精细抠图。比如让 AI 找出照片里穿红衣服的人，它可以标出位置，再抠出人物轮廓。如果图片里根本没有这个人，模型还能回答 None，减少凭空标出目标的情况。

传统方案通常需要检测模型、SAM 分割模型和抠图模型接力完成。WeVisOne-VL 基于 Qwen3-VL，把物体坐标编码成特殊 Token，再通过一个仅 960 万参数的像素解码器，生成分割掩码和带透明度的 Alpha 图，处理头发等细节。整个过程无需额外调用 SAM。

腾讯公布的测试中，4B 在 Dense200 密集目标检测上的 F1 得分为 71.3，超过所列最强对手的 58.7；PixMo-Count 计数准确率达到 89.6%，对照为 82.8%。在团队自建的 WeRef-Bench 中，面对不存在的目标，拒绝误报的比例达到 96.4%。