模型介绍
中文整理InternVL3-78B 模型卡片
模型用途
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。该模型在 InternVL 2.5 的基础上进一步提升了多模态感知和推理能力，并将多模态能力扩展到工具使用、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：支持复杂的多模态推理任务和数学问题解答。
文档理解：具备 OCR 识别、图表理解、文档分析能力。
多图像与现实世界理解：支持同时处理多张图像，理解真实场景。
视觉定位：能够进行精确的视觉定位任务。
多模态多语言理解：支持多种语言的多模态理解任务。
视频理解：具备视频内容理解和分析能力。
GUI 图形界面交互：支持图形用户界面的理解和操作。
空间推理：具备空间关系理解和推理能力。
语言能力：由于采用原生多模态预训练，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、视频、文本、多图像序列、视频文本交错数据
输出：文本回复、推理结果
运行要求
推荐使用 transformers>=4.37.2 版本以确保模型正常运行。
模型提供多种精度版本：16位（bf16/fp16）、8位量化（BNB）。
支持多GPU推理部署。
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、批量提示推理、多轮对话。
部署工具：推荐使用 LMDeploy 进行模型部署和服务化，支持 RESTful API 调用。
许可证
本项目基于 MIT 许可证发布。
本项目使用了预训练的 Qwen2.5 作为组件，Qwen2.5 基于 Qwen 许可证授权。
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。