Model details
模型介绍
中文整理InternVL3-1B
Model use case
InternVL3 是一个先进的多模态大型语言模型系列,在整体性能上表现出色。该模型具备卓越的多模态感知和推理能力,并进一步扩展到工具使用、GUI代理、工业图像分析、三维视觉感知等领域。
主要能力
多模态推理与数学能力
OCR、图表和文档理解
多图像与现实世界理解
视觉定位
多模态多语言理解
视频理解
GUI定位
空间推理
得益于原生多模态预训练,InternVL3系列在整体文本性能上优于Qwen2.5系列
输入输出
支持输入:图像、文本、视频、多图像序列、GUI操作
输出:文本响应、推理结果
运行要求
推荐使用transformers>=4.38.0
支持16位(bf16/fp16)推理
支持BNB 8位量化
支持多GPU部署
建议使用LMDeploy进行部署推理
基本用法
模型加载:支持使用transformers库加载模型进行推理
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
微调支持:支持InternVL、SWIFT、XTurner等框架进行微调部署方式:可使用LMDeploy进行压缩、部署和服务化
限制
模型使用过程中需遵守Qwen License关于预训练模型的使用条款
License
本项目采用MIT许可证发布
本项目使用的Qwen2.5预训练模型采用Qwen License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.