中文开源浦语视觉多模态模型

InternVL（开源视觉） InternVL 2.5

InternVL系列 · 上海人工智能实验室 · 2023-12发布

开源支持本地部署多模态国内可直连有免费额度长上下文代码专用

🔗 官方体验地址 → 📄 API文档地址 → 📥 模型下载地址 →

模型介绍

InternVL 是开源视觉语言模型，中文视觉问答与图文理解强，多尺寸覆盖，学术与商用皆可。

模型基础信息

模型系列InternVL系列

开发机构上海人工智能实验室

发布时间2023-12

参数规模2B ~ 40B

上下文窗口多模态长上下文

模型类型多模态（视觉+文本）

中文能力优秀

使用方式网页体验 / API调用 / 本地部署

免费额度与收费政策

开源免费

免费规则详情

MIT 许可可商用。

收费标准简介

本地零成本。

模型能力介绍

✅ 核心优势

中文视觉强
多尺寸
图文理解好
MIT

⚠️ 短板与局限

视频理解弱于新模型
生态较新
需显卡

🎯 适用场景

视觉问答
OCR
文档理解
多模态 Agent

模型使用教程

本章节整理 InternVL（开源视觉）的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。

上传图片/表格/文档，进行视觉问答、OCR 与图表理解。

# 多模态输入：图片 base64 + 文本问题

注册上海人工智能实验室账号获取 API Key。

export API_KEY=sk-xxxx

curl  -F image=@test.png -F prompt="图片里有什么？"

InternVL 提供多种尺寸，推荐从 InternVL2-8B 起步（约 12GB 显存）。

安装依赖：pip install "transformers>=4.37.2" torchvision einops timm。
用 transformers 直接推理（权重 hf-mirror 可下）：

python -c "from transformers import AutoModel, AutoTokenizer; m=AutoModel.from_pretrained('OpenGVLab/InternVL2-8B', trust_remote_code=True).cuda(); t=AutoTokenizer.from_pretrained('OpenGVLab/InternVL2-8B', trust_remote_code=True); print(m.chat(t, '描述这张图', [Image.open('x.jpg')]))"

大显存场景可用 LMDeploy/vLLM 部署成 OpenAI 兼容 API：

vllm serve OpenGVLab/InternVL2-8B --trust-remote-code

Tips：中文图文问答/OCR 直接信任 remote_code 即可，无需额外训练。

💡 使用小技巧

中文图文理解开源首选。

❓ 常见问题 FAQ

Q1：InternVL 强在哪？\nA1：中文视觉语言。

访问备注与注意事项

权重 hf-mirror 可下