Tencent の WeChat Vision チームは、2B および 4B サイズの Apache 2.0 ビジョン言語モデルである WeVisOne-VL をリリースしました。 9.6M パラメータのピクセル解像度を備えた 1 つのモデルで、検出、OCR、カウント、セグメンテーション、アルファ マッティングを処理します。
オープンウェイトのリリースはクローズド価格に圧力をかけ、アクセスを拡大し、エコシステム全体の構築と購入の計算を変えます。
概要は情報提供のみを目的としてまとめられています。全文についてはソース リンクを参照してください。デモのエントリは一例です。