开源动态6

腾讯开源视觉模型 WeVisOne-VL

江大白2026-10-30

AI 摘要

腾讯开源视觉语言模型 WeVisOne-VL，推出 2B 和 4B 两个规模，将目标检测、计数、文字识别、分割与精细抠图统一到一个模型中，代码已公开。

任务覆盖：支持检测计数指向及精细到毛发的抠图

技术方案：用专用坐标Token搭配轻量分割解码器

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小米开源0.8B端侧文档模型

小米开源仅 0.8B 参数的文档理解模型 Xiaomi-OCR-0，将解析、信息抽取与视觉问答融于一体，在1B以下文档解析基准中排名第一，技术已用于超级小爱识屏。

启元具身研究中心发布机器人仿真世界模型 PrimeSim，通过视频生成模型推演机械臂操作并在两大基准登顶，模型权重与代码即将开源。

腾讯宣布即将发布混元大模型 Hy4 正式版，首次加入视觉理解能力并强化长程任务，还将推出轻量版 Hy4 Flash，同时发布办公协同体系 Buddy One 与腾讯网盘。

拓元智慧开源机器人世界动作模型 E0.5，联合预测动作与未来三维几何，在人形与双臂真机任务中整体平均成功率最高达 88.3%，超过主流基线 π0.5。