Model details
模型介绍
中文整理InternVL3-8B-Pretrained
模型简介
这是InternVL3-8B的预训练版本，经过了原生多模态预训练，但未经过后训练（即SFT和MPO）。如果不确定使用哪个版本，请使用InternVL3-8B版本。
Model use case
InternVL3是一个先进的多模态大语言模型系列，展示了出色的整体性能。该模型主要用于处理图像、文本、视频等多模态输入，并生成相应的文本输出。
主要能力
多模态感知与推理：相比InternVL 2.5，InternVL3具有更优越的多模态感知和推理能力。
具体能力包括：多模态推理和数学计算、OCR识别、图表和文档理解、多图像和现实世界理解、综合多模态评估与幻觉检测、视觉定位、多模态多语言理解、视频理解、GUI定位和空间推理。
此外，InternVL3还扩展了工具使用、GUI代理、工业图像分析和3D视觉感知等能力。
语言能力方面，得益于原生多模态预训练，InternVL3系列实现了比Qwen2.5系列更好的整体文本性能。
输入输出
输入：支持图像、视频、文本或多模态交织序列输入。支持单图像、多图像和视频输入。
输出：文本响应
运行要求
依赖要求：transformers>=4.37.2
推理精度：支持16位（bf16/fp16）推理
量化支持：支持BNB 8位量化
多GPU支持：支持多GPU推理，需确保LLM的首层和最后一层在同一设备上以避免错误
基本用法
模型加载：使用transformers库加载模型
推理方式：支持流式输出、多图像推理、批量提示推理、多轮对话
部署工具：支持使用LMDeploy进行模型部署和服务化
License
本项目采用MIT许可证发布。本项目使用了预训练的Qwen2.5作为组件，该组件采用Apache-2.0许可证。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
Problem with the information or download?
Sign in to submit feedback.
