모델 개요
WeVisOne-VL-4B는 Tencent WeChat Vision의 시각-언어 기반 모델이다. 객체 수준과 픽셀 수준의 시각 인식을 하나의 모델로 통합하며, 구조화된 다음 토큰 예측과 약 960만 파라미터의 픽셀 디코더를 사용한다. 모델 가중치는 Apache-2.0 라이선스로 공개되어 있다. (github.com)
능력과 용도
- 이미지에서 객체 검출, 설명에 따른 객체 위치 지정, 개수 세기, 지점 지정 및 OCR을 수행한다.
- 설명에 따른 객체 분할과 프롬프트 기반 이미지 매팅을 지원하며, 점·바운딩 박스·이진 마스크·Alpha Matte를 출력할 수 있다.
- 이미지 검색·분석, 문서 내 텍스트 위치 확인, 이미지 편집 등 시각 인식 작업에 활용할 수 있다.
- 공식 도구는 Transformers와 vLLM 백엔드를 지원한다. (github.com)
제한 사항
대상이 없는 질의에 None을 반환하도록 설계됐지만, 거부나 인식 결과가 항상 정확하다는 보장은 없다. 분할과 매팅에는 제공된 픽셀 디코더가 필요하다. 자체 배포 시 실행 환경과 컴퓨팅 자원이 필요하며, 가중치 공개가 호스팅 추론의 무료 제공을 뜻하지는 않는다. (github.com)
출시일
입력에 기재된 날짜는 2026년 10월 23일이다. 다만 확인한 공식 커밋 기록만으로 이 날짜를 최초 가중치 공개일로 독립 검증하지는 못했다. 공식 기록에는 BF16 버전 출시 커밋이 2026년 10월 27일로 표시된다. 기술 보고서의 최초 제출일은 2026년 10월 22일이다. (huggingface.co)
가격
2026년 11월 16일 조회 기준, 확인한 Tencent Cloud 국내 및 국제 공식 가격표에서 이 모델의 호스팅 API 입력·출력 요금을 확인하지 못했다. 따라서 CNY와 USD 요금 모두 미확인이다. 자체 배포 비용은 별도로 발생할 수 있다. (cloud.tencent.com)