腾讯开源了 WeVisOne-VL，一个从目标到像素的统一视觉感知模型。
它一个模型干了七件事：目标检测、指代定位、计数、指点、OCR、指代分割、可提示抠图。
三个我觉得值得说的点：
① 9.6M 的像素解码器 做掩码和透明通道只用一个 9.6M 的小解码器，不用外挂 SAM。抠图 MAD 从 15.4 降到 7.3。
② 敢说"没有" 目标不存在时返回 None，不产生幻觉。拒识率 96.4%，最强开源基线 73%。
③ 4B 打赢 9B 以内 密集检测 71.3（基线 58.7）、指代分割 71.2（基线 65.0）、OCR 52.0（基线 43.3）。
背后是一亿多张图像的数据引擎：知识图谱发现概念 → 专家模型定位 → VLM 校验 → 扩成掩码。
Apache 2.0，2B / 4B 权重已上 HuggingFace，还有在线 Demo 可以先试。
⚠️ 提醒：微调代码还没开源，数字是官方自测，建议自己复现一遍。
