AI 前沿 · 每日整理
腾讯开源 WeVisOne-VL：一个模型包揽检测、OCR、分割与抠图
腾讯微信视觉团队开源了视觉语言模型 WeVisOne-VL，提供 2B 与 4B 两档，基于 Qwen3-VL，采用 Apache 2.0 许可。一个模型统一处理检测、指代、计数、指向、OCR、分割和 Alpha 抠图，像素输出来自一个仅 9.6M 参数的解码器，不需要再外接 SAM。查询目标不存在时，模型会输出 None 而不是猜一个框。
背景
性能数字全部为腾讯自报：在密集检测、指代、OCR、分割和抠图等 30 多个基准上大多领先同类，但短板同样自报——在不存在目标的查询上，拒答率仅 52.6%，即近半情况下仍会给出框。
影响
对做文档处理、图像编辑与视觉 Agent 的开发者来说，这是一个值得试用的轻量统一方案；但在需要严格拒答的场景里，它的误报率仍需单独验证。