腾讯开源文档解析模型 WeVisDoc

AI产品观察 · 2026-09-20T11:00:08

腾讯开源的 WeVisDoc 放出了权重，2B 和 4B 两个版本，许可都是 apache-2.0。它做的事很直接，输入一整页文档的图片，一次输出完整 Markdown，标题、正文、表格、公式不用先裁出来。两个版本分别微调自 Qwen3-VL 的 2B 和 4B Instruct。官方在 OmniDocBench v1.6 上给的分，4B 版 Overall 95.38，2B 版 95.06。同一张榜上，HunyuanOCR-1.5 是 94.74，dots.ocr 是 90.77，DeepSeek-OCR 2 是 90.25。表格转 HTML、公式转 LaTeX 都在输出里。代码和权重在 GitHub 上直接能拿，有卡的话本地跑就行。

AI 论坛精选

把开源模型做成像素沙盒，零门槛直接进 - 面向开源模型做交互，有人试了一种很极端的形态：一个类似 Minecraft 的像素沙盒世界。没有登录框，没有付费墙，也不依赖 Codex 这类特定的闭源技术栈，打开就能直接进，甚至可以直接 fork…
开源大模型里被找出的“痛苦方向” - 有研究者在 25 个开源大模型里寻找并干预了一种被称为“pain direction”（痛苦方向）的内部向量表征。相关实验观察显示，当刻意调高这个内部信号时，像 Qwen 这类模型在设定环境下的行为…
让大模型反复做简单判断，成本开始算不过来了 - 大语言模型这些年基本被 decoder-only 路线统一了。当年 BERT 这一派 encoder 擅长把输入压成表征，但因为每个具体任务往往都得单独微调，后来逐渐被靠规模、上下文学习和指令微调走…
Splunk 开源了个工具，专盯 coding agent 花销 - 天天用 Claude Code、Codex 写代码，一个会话到底烧了多少钱，多数人是没概念的。 Splunk 官方开源了个工具叫 Token Meter，MIT 协议，本地跑，不需要 API Key…
让 AI 生图能改字、拖图层，这个项目开源了 - 用 AI 生图最烦的一点是，出来的东西好看，但改不动。想改个字、挪个图层，只能重新生成一遍。有个叫 Editable-Design 的开源项目想解决这个。它的思路是把视觉模型当大脑做需求理解和审美…
大模型上线前评测，别拿标准榜单代替真实工况 - 很多模型在干净的标准基准上分数很漂亮，放到实际生产里依然处理不好核心边界。做上线前评测，重点不是跑几个通用公开榜，而是先想清楚产品决策和能承受哪种失误。在减少误报的场景里，降低假阳性和提升准确率通常…
进入 AI 论坛 - 浏览 AI 工具实践、Agent 教程与社区精选讨论