跳到正文

InternVL2_5-2B

处理图像、视频与文本的多模态大模型

访问官网
分类 AI模型

InternVL2_5-2B 是什么

InternVL2_5-2B 属于 InternVL 2.5 多模态大语言模型系列,在维持核心架构的同时增强训练策略和数据质量。

你可以用它做什么

  • 用动态高分辨率训练处理多图像和视频
  • 通过 MLP 投影器连接视觉编码器与语言模型
  • 运行多阶段训练管道

资料列举的案例

  • 为电商平台生成产品图像详细描述
  • 提供图像辅助的语言学习材料
  • 在安全监控中识别异常行为

优点与缺点

✓ 我们认可的地方

  • 多阶段训练管道包含投影器预热
  • 渐进式扩展策略对齐视觉编码器

! 需要留意的地方

  • 输入需要同时准备图像和相关文本
  • 模型通过托管页面及其 API 接口使用

常见问题

采用什么架构?

资料列出 ViT-MLP-LLM 架构,并通过 MLP 投影器做跨模态交互。

支持哪些输入?

资料说明支持多图像和视频数据。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法