WeVisOne-VL은 Tencent WeChat Vision 팀의 비전-언어 파운데이션 모델로, 객체 검출·지시 표현 위치 찾기·카운팅·포인팅·OCR 같은 객체 수준 인식과 지시 표현 세그멘테이션·알파 매팅 같은 픽셀 수준 인식을 하나의 모델로 통합한다. 구조화된 다음 토큰 예측과 9.6M 파라미터 경량 픽셀 디코더로 SAM 없이 박스부터 마스크·알파 매트까지 출력하며, 이미지에 없는 대상은 None을 반환한다. 2B·4B 가중치가 공개됐고 README 기준 4B 모델은 LVIS 검출 F1 Mean 55.3을 기록했다. 추론 패키지, Cookbook, Gradio 데모, 평가 파이프라인을 포함하며 파인튜닝 코드는 공개 예정이다.