開源多模態(tài)LLM InternVL 1.5：具備OCR能力 可解讀4K圖片

　　InternVL 家族的開源套件提供了一種商用多模態(tài)模型的可行開源替代方案。其中，最新發(fā)布的 InternVL-Chat-V1.5模型在多個(gè)基準(zhǔn)測(cè)試上取得了接近 GPT-4V 和 Gemini Pro 的性能，這使得 InternVL 家族成為了當(dāng)前最接近 GPT-4V 表現(xiàn)的可商用開源模型之一。

　　InternVL 家族的模型涵蓋了多個(gè)領(lǐng)域，包括視覺感知和跨模態(tài)檢索。其在視覺感知方面，利用 ViT-22B 模型在 ImageNet-1K、ImageNet-Real、ImageNet-V2等數(shù)據(jù)集上取得了優(yōu)異表現(xiàn)，展現(xiàn)出強(qiáng)大的圖像分類能力。另外，InternVL 家族還在語義分割、零樣本圖像分類等任務(wù)上取得了顯著進(jìn)展，為多模態(tài)模型的發(fā)展貢獻(xiàn)了重要的技術(shù)突破。

　　作為一款人工智能產(chǎn)品，InternVL 家族的亮點(diǎn)在于其開源套件的多模態(tài)模型，尤其是最新發(fā)布的 InternVL-Chat-V1.5。該模型不僅在性能上接近商用頂尖模型，而且還具備強(qiáng)大的多模態(tài)對(duì)話能力，并且支持中文，擁有較強(qiáng)的 OCR 能力。

　　除此之外，InternVL 家族的模型還具備動(dòng)態(tài)分辨率的支持，為用戶提供更加靈活的使用體驗(yàn)。InternVL 家族的開源套件為多模態(tài)模型領(lǐng)域的發(fā)展注入了新的活力。