WeVisOne-VL: унифицированная модель зрительно-языкового восприятия от Tencent

Компания Tencent представила модель WeVisOne-VL, построенную на базе Qwen3-VL, которая объединяет распознавание объектов и пиксельный анализ. Архитектура использует структурированное предсказание токенов и легкий декодер для решения задач детекции, сегментации и маттинга в едином интерфейсе.