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。

GitHub:github.com
演示:internvl.opengvlab.com
展开
3