模型介绍
中文整理InternVL3-14B-Instruct
模型用途
InternVL3-14B-Instruct 是 InternVL3 系列的指令微调版本，经过原生多模态预训练和监督微调，但未经过 MPO（混合偏好优化）。如果您不确定使用哪个版本，请使用 InternVL3-14B 版本。
主要能力
InternVL3 是一款先进的多模态大语言模型系列，在整体性能上表现优异。与 InternVL 2.5 相比，InternVL3 展现出更强的多模态感知和推理能力，并进一步扩展到工具使用、GUI 智能体、工业图像分析、三维视觉感知等领域。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。
具体能力包括：多模态推理和数学、OCR、图表和文档理解、多图像和现实世界理解、综合多模态和幻觉评估、视觉定位、多模态多语言理解、视频理解、GUI 定位、空间推理。
输入输出
支持输入：图像、视频、多图像、文本
输出：文本响应
运行要求
建议使用 transformers>=4.42.0 以确保模型正常运行。支持 16 位（bf16/fp16）推理和 BNB 8 位量化。多 GPU 推理时需注意将 LLM 的首层和末层放在同一设备上以避免错误。
基本用法
模型加载：支持 16 位精度和 8 位量化两种方式加载模型。
推理方式：可使用 Transformers 进行推理，支持流式输出。
部署工具：推荐使用 LMDeploy 进行模型部署，支持推理管道、多图像推理、批量提示推理、多轮对话等功能。
微调支持：多个仓库支持 InternVL 系列模型的微调，包括 InternVL、SWIFT、XTurner 等。
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，该组件基于 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。