【微信开源 WeVisOne-VL 视觉模型】

让视觉模型在图里找东西，图中根本没有怎么办？微信团队开源的 WeVisOne-VL，可以直接返回 None。

它把检测、定位、计数、读文字、分割和抠图合进了同一个模型，提供 2B、4B 两个版本。团队在训练时逐条核对「图中没有」的样本，也同时训练漏检与误框两类错误，避免模型只学会一味拒绝。

遇到需要抠图的任务，模型里的约 960 万参数像素解码器可以直接输出分割和透明度信息，无需再接一个 SAM。自动标注流程累计处理了超过 1 亿张图、约 36 亿个目标框。

代码、权重、技术报告、教程、评测流程和 Mask2Alpha 抠图标注工具都已公开，采用 Apache 2.0 许可。现在可以在线试用或本地运行，当前版本接受图片输入。