WeVisOne-VL 4B
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
WeVisOne-VL est un modèle vision-langage de 4,8 milliards de paramètres développé par Tencent, construit sur Qwen3-VL et doté d'un décodeur de pixels léger (9,6M paramètres) qui unifie détection, OCR, comptage, pointage et segmentation référentielle en une seule passe. Il excelle sur les tâches de perception structurée mais reste limité à une image par tour, la vidéo étant rejetée par le décodeur pixel, et ne produit pas de raisonnement explicite. Poids ouverts sous licence Apache 2.0 : auto-hébergé, il conserve toutes les données sur l'infrastructure de l'utilisateur, quel que soit le pays de l'éditeur.
Profil de compétences
Non communiqué
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Extraction OCR documentaire
- Détection d'objets sur image
- Segmentation référentielle précise
- Comptage automatique d'objets
- Matting d'images produits
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/wevisone-vl-4b)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
2/8 documentées · 0/8 sources primaires
| Prix APIpoids ouverts, pas de tarif API | absent | |
| Fenêtre de contexte | absent | |
| Elo Arena | absent | |
| Benchmarks (MMLU, GPQA, SWE-bench…) | absent | |
| Licence | évaluation nAIvigate | |
| Données & conformitéauto-hébergé : déduit | déduit | |
| Adoption (Hugging Face) | absent | |
| Matériel requis (quantizations)calculé depuis la taille du modèle | absent |
Faire tourner en local
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Serveur OpenAI-compatible pour la production sur GPU NVIDIA.
pip install vllm
vllm serve tencent/WeVisOne-VL-4B \
--max-model-len 32768 \
--tensor-parallel-size 1 \
--dtype autoDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |