先日、上海AIラボは書生・万象InternVL2.5モデルを発表しました。このオープンソースのマルチモーダル大規模言語モデルは、その卓越した性能により、マルチモーダル理解ベンチマーク(MMMU)で70%を超える精度を達成した初のオープンソースモデルとなり、GPT-4oやClaude-3.5-Sonnetなどの商用モデルと肩を並べる性能を誇ります。
InternVL2.5-MPOシリーズモデルは、InternVL2.5と混合嗜好最適化に基づき、卓越した性能を発揮します。
Shanghai-ai-lab
$2
入力トークン/百万
-
出力トークン/百万
8
コンテキスト長
FriendliAI
InternVideo2.5は、長く豊富な文脈（LRC）モデリングを強化したビデオマルチモーダル大規模言語モデル（MLLM）で、InternVL2.5上に構築されています。
ayeshaishaq
DriveLMM-o1は自動運転に最適化された微調整済み大規模マルチモーダルモデルで、InternVL2.5-8Bアーキテクチャを基盤とし、LoRA技術を用いて適応され、複数の視点からの画像を組み合わせて段階的な推論を実現します。
OpenGVLab
InternVideo2.5は、InternVL2.5を基盤としたビデオマルチモーダル大規模言語モデル（MLLM）で、長く豊富なコンテキスト（LRC）モデリングによって強化され、細粒度の詳細を感知し、長時間の時系列構造を捉えることができます。
InternVideo2.5は、長く豊富なコンテキスト(LRC)モデリングを強化したビデオマルチモーダル大規模言語モデルで、InternVL2.5を基盤として構築されており、細粒度の詳細を感知し、長時間の時系列構造を捉える能力を向上させることで、既存のMLLMモデルを大幅に改善しています。
5CD-AI
Vintern-1B-v3.5はInternVL2.5-1Bを微調整したマルチモーダル大規模言語モデルで、ベトナム語テキスト処理に特化しており、OCRやベトナム特有の文書理解において優れた性能を発揮します。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
