Tencent משחררת WeVisDoc: מודל חדש לניתוח מסמכים מתוך תמונות

חברת הטכנולוגיה הסינית Tencent פרסמה מודל בינה מלאכותית חדש בשם WeVisDoc, המיועד לניתוח וחילוץ מידע ממסמכים שמגיעים כתמונות סרוקות של עמודים. המודל נבנה באמצעות כיוונון (fine-tuning) של שתי גרסאות ממשפחת המודלים הרב-מודליים (vision-language) הפתוחים Qwen3-VL: Qwen3-VL-2B-Instruct ו-Qwen3-VL-4B-Instruct.

מה זה WeVisDoc

לפי ההודעה שפורסמה על המודל, WeVisDoc מתואר כ"פרסר מסמכים מקצה לקצה עבור תמונות עמודים" (end-to-end document parser for page images). במילים אחרות: כלי שמטרתו לקלוט תמונה של מסמך סרוק ולהפיק ממנה ישירות תוכן טקסטואלי מובנה, בלי להיזקק למנוע OCR נפרד שמזהה תווים בשלב מקדים. גישה כזו — שבה מודל שפה-חזון אחד מטפל גם בזיהוי הטקסט וגם בהבנת מבנה העמוד, כולל טבלאות ואלמנטים גרפיים — הפכה בשנה האחרונה לכיוון נפוץ בתעשיית עיבוד המסמכים.

המודלים שעליהם מבוסס WeVisDoc, Qwen3-VL-2B ו-Qwen3-VL-4B, הם חלק ממשפחת מודלים רב-מודליים בקוד פתוח שמתעדכנת באופן שוטף — עמודי המודלים ב-Hugging Face מציגים עדכון אחרון בסוף דצמבר 2025, ומפנים למספר מאמרים מחקריים שפורסמו בין השנים 2023 ל-2025 התומכים בפיתוח המשפחה.

למה זה מעניין

הבחירה של Tencent לבנות כלי ייעודי לעיבוד מסמכים על בסיס מודל יסוד פתוח, ולא על מודל סגור פרי פיתוחה, ממחישה ככל הנראה מגמה רחבה יותר: שימוש במודלי יסוד פתוחים כתשתית משותפת שעליה נבנים כלים ממוקדי-משימה במהירות, במקום פיתוח כל שכבה מאפס. אם המגמה הזו אכן מתרחבת, המשמעות היא שהתחרות בין חברות טכנולוגיה על מודלי AI עוברת בהדרגה משכבת "מי בונה את המודל הגדול ביותר" לשכבת "מי בונה מהר יותר את הכלי השימושי ביותר מעל מודלים קיימים" — תחרות שמתקיימת גם בתוך הזירה הסינית עצמה, לא רק בינה לבין חברות אמריקאיות.

חשוב לציין שהחומרים הזמינים על WeVisDoc אינם כוללים פרטים על רישוי, תוצאות מבחני ביצועים (benchmarks) או מועד הפצה רשמי מדויק, ולכן פרטים אלה לא נכללים בכתבה זו.