InternVL3.5 开源：革新多模态架构，重塑感知与推理的边界
InternVL3.5 开源：革新多模态架构，重塑感知与推理的边界
近日，上海人工智能实验室正式向全球开源其新一代多模态大模型——书生·万象 InternVL 3.5。本次开源的模型实现了从单纯感知理解到实体交互能力的重大跨越，标志着多模态人工智能进入了新的发展阶段。
该模型通过创新的训练架构和算法突破，在通用多模态感知、复杂情境推理和文本理解等核心能力方面均展现出卓越性能。其旗舰模型在多学科综合推理评估中表现突出，位列全球开源模型领先地位。
更值得关注的是，新一代模型在多项特色能力上取得显著进展：
- 具备先进的图形用户界面理解与操作能力，支持跨平台自动化任务执行
- 在具身空间感知方面展现出色表现，为智能体导航与交互提供强大支撑
- 在矢量图形理解与生成任务中实现突破性进展
这些突破使 InternVL 3.5 不再是传统意义上的"观察者"，而是能够真正理解环境、进行实体交互的智能体。该模型可自主完成文件管理、文档处理等日常办公任务，还能为机器人提供强大的视觉感知与决策能力，在智能制造、智能办公等领域展现出广阔应用前景。
作为上海人工智能实验室书生大模型体系的重要组成，InternVL 系列已在全球范围内获得广泛应用和认可。此次开源的 InternVL 3.5 将进一步推动多模态人工智能技术的发展，为科研机构和产业界提供更强大的基础模型支持，加速人工智能技术在各领域的创新应用。
核心亮点
上海人工智能实验室最新开源的 InternVL 3.5 多模态大模型展现出以下核心亮点：
一、全尺度模型开源，覆盖多元应用场景
提供从 10 亿到 2410 亿参数的九种规格模型，包含稠密模型与混合专家模型（MoE）架构，成为首个支持 GPT-OSS 语言基座的开源多模态模型，满足不同算力环境与任务复杂度需求。
二、多项基准测试表现卓越
旗舰模型在多学科推理、多模态感知及文本推理三大核心维度实现突破：
- 在多学科综合推理基准中位列开源模型榜首
- 多模态感知能力超越主流商业模型
- 文本推理成绩达到开源模型领先水平
三、创新级联强化学习框架
采用"离线预热-在线精调"两阶段训练策略，通过混合偏好优化与自研 GSPO 算法，在提升训练稳定性的同时显著降低计算成本。全系列模型推理性能较上一代平均提升 16 分，241B 模型在数学推理等复杂任务中表现尤为突出。
四、突破性部署优化技术
通过动态视觉分辨率路由（ViR）技术，实现语义区域自适应压缩，减少 50% 视觉 token 的同时保持任务性能；采用解耦部署框架（DvD），将视觉编码与语言生成并行处理，使 38B 模型在高分辨率场景下吞吐效率提升 4 倍，延迟降低 75%。
五、轻量化模型保持高性能
轻量版模型在视觉序列长度减少 50% 的情况下，仍能维持接近完整的性能表现，为资源受限场景提供高效解决方案。
六、智能体能力实现跨越
在三大核心应用场景取得突破性进展：
- **GUI交互：**在界面元素定位任务中超越同类模型，支持跨系统自动化操作
- **具身智能：**在空间推理测试中超过顶级商业模型，展现卓越的路径规划能力
- **矢量图形：**在理解与生成任务中刷新开源纪录，可专业应用于设计创作与工程解析领域
InternVL 3.5 通过技术创新实现了从"感知理解"到"实体交互"的能力跨越，为智能办公、智能制造等领域的应用落地提供了强大技术支撑。
社区地址
-
OpenCSG社区：
https://opencsg.com/models/AIWizards/InternVL3_5-38B -
Hugging Face社区：
https://huggingface.co/OpenGVLab/InternVL3_5-241B-A28B
关于 OpenCSG
OpenCSG 是全球领先的开源大模型社区平台，致力于打造开放、协同、可持续的 AgenticOps生态。核心产品 CSGHub 提供模型、数据集、代码与 AI 应用的一站式托管、协作与共享服务，具备业界领先的模型资产管理能力，支持多角色协同和高效复用。