InternVL：开源版 GPT4V
一个多模态模型，将视觉基础模型扩展到 60 亿参数，在 32 个视觉-语言基准测试中展现了卓越性能，涵盖图像/视频分类、检索等关键多模态任务。
一个多模态模型，将视觉基础模型扩展到 60 亿参数，在 32 个视觉-语言基准测试中展现了卓越性能，涵盖图像/视频分类、检索等关键多模态任务。
商业转载请联系三花微信公众号获得授权，非商业转载请注明本文出处及文章链接，您可以自由地在任何媒体以任何形式复制和分发作品，也可以修改和创作，但是分发衍生作品时必须采用相同的许可协议。
本文采用 CC BY-NC-SA 4.0 - 非商业性使用 - 相同方式共享 4.0 国际 进行许可。