模型介绍
中文整理InternVL3.5 5-8B-Flash
模型用途
InternVL3.5是一款开源多模态大语言模型系列，旨在提升多模态理解、推理能力和推理效率。该模型支持视觉问答、图像理解、GUI交互、具身代理等多种任务。
主要能力
InternVL3.5采用级联强化学习（Cascade RL）框架，通过离线RL和在线RL两阶段训练提升推理能力。模型集成视觉分辨率路由器（ViR），可动态调整视觉token分辨率以优化效率。Flash版本通过视觉一致性学习（ViCO）进一步降低推理成本。模型支持深度思考模式（Thinking Mode）和并行思考策略（Best-of-N），可增强复杂推理任务的表现。最大模型InternVL3.5-241B-A28B在开源多模态模型中达到领先水平。
输入输出
输入：图像和文本
输出：文本响应
运行要求
模型参数量：视觉参数约0.3B，语言参数约8.2B，总计约8.5B
启用思考模式时建议使用较高显存配置
基本用法
启用思考模式需将系统提示设为R1 SYSTEM PROMPT。启用思考模式时建议设置do_sample=True和temperature=0.6以减少重复输出。
限制
除非特别说明，论文中的实验结果均未应用测试时扩展（TTS）。目前仅在推理基准测试中应用了TTS，因为模型已具备较强的感知和理解能力。
许可证
开源模型
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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。
资料或下载有问题？
登录后可提交反馈。