Mono-InternVL-2B
原生多模态大语言模型融合视觉与文本能力
Mono-InternVL是一个融合视觉编码和文本解码的原生多模态大语言模型。它通过专家混合机制和内生视觉预训练方法优化视觉理解能力，同时保持强大的语言能力。该模型基于InternLM2构建，拥有1.8B激活参数，在多项视觉语言基准测试中表现优异，并将首个token的延迟降低67%，大幅提升了部署效率。
项目概述
Mono-InternVL-2B是一个创新的原生多模态大语言模型，由上海人工智能实验室开发。该项目将视觉编码和文本解码功能集成到单一的大语言模型中，通过独特的架构设计和训练方法，在保持语言能力的同时实现了优秀的视觉理解能力。
技术特点
创新架构设计
- 采用专家混合机制(MoE)将视觉专家模块嵌入预训练语言模型
- 通过冻结语言模型参数来保持原有语言能力
- 总参数量为3B，激活参数量为1.8B
- 基于InternLM2-Chat-1.8B模型开发
核心技术创新
- 提出内生视觉预训练(EViP)技术，实现从粗粒度到精粒度的视觉学习
- 显著降低了首个token的生成延迟，提升了67%的响应速度
- 在保持高性能的同时实现了更高效的部署效率
性能优势
综合评测结果
- 在MMVet等多个权威评测基准上表现优异
- 相比其他原生多模态模型具有显著性能优势
- 在多模态任务平均得分上达到55.2分
- 在视觉问答任务上平均得分达到70.1分
关键能力
- 优秀的图像理解与描述能力
- 强大的文本-图像交互能力
- 出色的OCR文字识别能力，在OCRBench上得分767
- 良好的视觉推理能力，在数学视觉任务上表现突出
应用场景
交互方式
- 支持纯文本对话
- 支持单图单轮对话
- 支持单图多轮对话
- 可进行图像描述、诗歌创作等多样化任务
实际应用
- 图像描述与理解
- 视觉问答
- 文档理解与分析
- 图表解读
- 数学题目解答
使用说明
- 基于Transformers框架实现
- 要求使用transformers 4.37.2版本
- 支持动态图像预处理
- 提供完整的代码示例和使用说明
- 采用MIT许可证开源发布
局限性说明
模型虽然经过安全训练，但仍可能产生意外输出，包括偏见、歧视等有害内容。使用时需注意规避这些风险，避免传播有害信息。
编辑推荐精选
扣子-AI办公
职场AI，就用扣子
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作 无缝切换，提升50%效率！
堆友
多风格AI绘画神器
堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。
码上飞
零代码AI应用开发平台
零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
Refly.AI
最适合小白的AI自动化工作流平台
无需编码，轻松生成可复用、可变现的AI自动化工作流
酷表ChatExcel
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
AIWritePaper论文写作
AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答 辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。
博思AIPPT
AI一键生成PPT，就用博思AIPPT！
博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号