微信开源2B/4B视觉模型，评论区先盯上它敢不敢说“没有”

微信视觉团队在X上发布了WeVisOne-VL，一个开源2B/4B视觉模型。官方推文给的能力很直接：找物体、计数、读文字、生成精确mask和抠图，不需要另外接SAM。仓库地址在这里，原推在这里。

SAM是常见的那类分割模型，做精细分割时经常要单独接一个。WeVisOne-VL把检测、计数、文字读取、mask和cutout放在一个2B/4B模型里，卖点不在参数规模，在“少接一个环节”。推文还特意写了一句：物体不在图里，输出“None”。

推文下的讨论比参数表更能说明问题。有网友说，最想先测的就是这个“None”。小视觉模型有个老毛病，图里没有目标，它也倾向硬画一个框，不愿意承认空图。另一个网友的说法更直接：2B模型如果能在重叠物体计数上站住，去掉SAM才算真收益。

也有人把拒绝率差距摆了出来。有网友提到，WeRef-Bench上拒绝率是96.4%，RefCOCOg上是67.4%。前半句好看，后半句才是野外场景。模型很擅长对数据引擎教过的“没有”说没有，出了分布还灵不灵，要跑。这个网友还追问了反面：东西明明在，它多常会说“None”。这个问题比单看拒绝率更接近实际使用。

抠图后处理也有人给了具体建议。有网友建议，背景去除用task='matting'，保留连续alpha输出，不要阈值化成二值mask，否则细边缘会丢。QA时可以做一个简单检查：把同一张cutout分别合成到亮背景和暗背景上，看发丝和半透明边缘有没有光晕。

评论区还有两类担心：不要塞进本地微信，端侧卡够不够。它们和模型能力无关，和落地方式有关。普通用户关心抠得干不干净，开发者关心拒绝率、重叠物体计数和边缘质量。开源的好处是这些都能自己跑，不用只听发布会。先测空图会不会硬编框，再测有物体时会不会说“None”，最后看抠图边缘。参数不大，问题很具体。