模型详情
模型介绍
中文整理# InternVL3-38B 模型卡片
模型概述
InternVL3是一个先进的多模态大型语言模型系列，在整体性能上展现出卓越表现。相比InternVL 2.5，InternVL3具备更强的多模态感知和推理能力，并将多模态能力进一步扩展至工具使用、GUI代理、工业图像分析、3D视觉感知等领域。
## 主要能力
- *多模态推理与数学**：具备强大的多模态推理和数学问题解决能力。
- *OCR、图表与文档理解**：能够准确识别和理解光学字符、图表及各类文档内容。
- *多图像与现实世界理解**：支持处理多张图像并理解现实场景。
- *视觉定位**：具备精确的视觉定位能力。
- *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**：能够理解和分析视频内容。
- *GUI定位**：具备图形用户界面元素的定位能力。
- *空间推理**：具备一定的空间推理能力。
- *长上下文理解**：得益于变量视觉位置编码（V2PE）技术，模型在长上下文理解方面表现优于前代版本。
- *语言能力**：通过原生多模态预训练，InternVL3系列在整体文本性能上优于Qwen2.5系列。
## 输入输出
- *输入格式**：支持图像、视频、文本及图像-文本交织序列等多模态数据输入。采用动态分辨率策略，将图像分割为448×448像素的瓦片进行处理。
- *输出格式**：文本回复。
运行要求
- *最低依赖**：transformers>=4.37.2
- *推理精度**：支持16位（bf16/fp16）精度推理
- *量化支持**：支持BNB 8位量化
- *多GPU支持**：支持多GPU推理部署
- *部署工具**：推荐使用LMDeploy进行模型压缩、部署和服务
基本用法
- *模型加载**：通过transformers库加载模型，支持16位精度和8位量化两种模式。
- *推理方式**：支持单图像推理、多图像推理、批量提示推理、流式输出以及多轮对话。
- *服务部署**：LMDeploy提供RESTful API接口，可将模型轻松部署为服务，兼容OpenAI接口格式。
许可证
本项目基于MIT许可证发布。项目中使用的预训练Qwen2.5组件基于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。
资料或下载有问题？
登录后可提交反馈。