InternVL

InternVL 是由上海人工智能实验室（上海AI实验室）联合清华大学、香港中文大学、商汤科技等机构开源的新一代视觉大模型。

上海 AI 实验室在视觉大模型上持续发力，在 2021 年、2022 年先后推出书生 1.0 和 InternImage，不仅及模型性能领先，还构建了视觉大模型的新架构。
 
新一代“书生·视觉基础”模型的视觉编码器参数量达 60 亿（InternVL-6B），首次提出对比-生成融合的渐进式对齐技术，实现了在互联网级别数据上视觉大模型与语言大模型的精细对齐。
 
InternVL-6B 不仅能处理复杂图片中细微的视觉信息并完成图生文任务，还可以识别和解读复杂页面中的信息，甚至解决其中的数理问题。
 
目前，InternVL 全系列模型、代码均已开源，并提供 Demo 试用。
 
开源链接：https://github.com/OpenGVLab/InternVL
论文链接：https://arxiv.org/abs/2312.14238
试用 Demo：https://internvl.opengvlab.com

在视觉感知、图文检索、图生文和多模态对话等 30 余个视觉基准测试上取得最优开源性能。

以不到 1/3 的参数量，在纯视觉任务和图生文任务上逼近或超过谷歌闭源 ViT-22B。

• 在 TinyLVLM、MMBench 等多模态大模型评测上，性能比肩 GPT4V、Gemini。