微信视觉模型统一检测、文字识别、分割与精细抠图
WeVisOne-VL 将目标级与像素级感知接入同一个视觉语言模型，可按用户要求输出点、框、掩码或透明度图。团队通过三阶段监督训练和混合任务强化学习，在三十多项基准上检查能力，也强调不存在目标时应正确拒绝定位。
要点
- 同一模型覆盖多种视觉任务
- 可输出点、框、掩码与透明度图
- 目标不存在时的拒绝能力单独检查
为什么值得看
创作者往往要在识别、定位和抠图工具间切换，统一接口有助于简化素材处理链。
谁会受影响
智能抠图、视觉编辑、文档识别和内容工具开发者会受影响。
今天就能怎么试
从 HF 论文页进入 Tencent/WeVisOne-VL 项目页，选择检测、分割或抠图示例，先检验不存在目标时是否会误报。
原始来源
1WeVisOne-VL: Unified Visual Perception from Objects to Pixels · Hugging Face Daily Papers · 2026年10月22日✓ 已打开核对2WeVisOne-VL: Unified Visual Perception from Objects to Pixels · arXiv · 2026年10月22日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
Gemini 4 Argon正式开放，开发者可接入API
10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。
MOSS 开放生图模型，支持中英长文字与复杂排版
MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。
DeepSeek更新V4.1闪电模型，降低编程任务成本
DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。
OpenAI发布GPT-6.1 Sol，主打低价智能体
OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。