书生 InternVL

InternVL (Shanghai AI Laboratory open VLM series)InternVL进阶

上海 AI 实验室开源的视觉语言模型系列，起点是一个 60 亿参数的视觉编码器。

InternVL 是上海人工智能实验室 OpenGVLab 团队开源的视觉语言模型系列，中文名「书生·万象」。初代论文 2023 年 12 月发布，入选 CVPR 2024 口头报告，思路是把视觉编码器 InternViT 放大到 60 亿参数，再逐步与大语言模型对齐，在 32 个视觉-语言基准上评测。此后的 1.5、2、2.5、3、3.5 版沿用「视觉编码器 + MLP 投影层 + 大语言模型」结构，尺寸从 10 亿到 2410 亿总参数不等，代码以 MIT 协议开源，截至 2026 年 9 月最新是 3.5 系列。具身领域常把它当作 VLA（视觉-语言-动作模型）的视觉语言骨干。