Tencent 发布 WeVisOne-VL-4B，统一对象级与像素级视觉感知

Tencent WeChat Vision 发布 WeVisOne-VL-4B，基于 Qwen3-VL，通过结构化 next-token prediction 和 9.6M 参数轻量像素解码器统一视觉感知。模型涵盖开放词汇目标检测、指代定位、目标计数、目标指向、OCR，以及指代分割和可提示 alpha matting。