InternVL 2.0：多模态大模型新标杆

原创

已于 2024-07-31 19:19:24 修改 · 4.4k 阅读

36 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #gpt #计算机视觉 #ocr #深度学习 #图像处理 #chatgpt

于 2024-07-29 21:07:29 首次发布

7月4日下午，世界人工智能大会科学前沿论坛, 我们发布了InternVL 2.0，中文名称为"书生·万象”，相比业内公认的最强多模态大模型InternVL-1.5，能力又上新台阶。它在关键评测指标比肩国际顶尖商用闭源模型，支持图像、视频、文本、语音、三维、医疗多种模态，百种下游任务性能媲美任务专用模型。同时，书生万象也是国内首个在MMMU(多学科问答)上突破60的模型，堪称开源多模态大模型性能新标杆。数学基准MathVista的测试中、书生万象的得分为66.3%，显著高于其他闭源商业模型和开源模型。在通用图表基准ChartQA、文档类基准DocVQA、信息图表类基准InfographicVQA中以及通用视觉问答基准MMBench (v1.1)中，书生万象也取得了最先进（SOTA）的表现。科学图表基准AI2D的测试中，书生万象大幅领先其他优秀的开源模型，并与商业闭源模型不相上下。

图中红色数字为所有已知模型最先进（SOTA）的表现，可见InternVL 2.0能力比1.5版本有了全面提升。

代码开源/模型下载/试用/微调/部署 （请给我们一个star支持吧^.^）：

https://github.com/OpenGVLab/InternVL

试用Demo：

InternVL 2.0 demohttps://internvl.opengvlab.com/司南评测最强的大模型 InternVL2-Llama3-76B

https