/ Модель

Характеристики

Контекст
8 192 токена
Размер весов
6,2 ГБ
Лицензия
MIT
Архитектура
internvl_chat · dense
Базовая модель
internlm2-chat-1_8b
Библиотека
transformers
Опубликована
9 окт 2024

Mono-InternVL-2B

Генерация текстаТекст → текст6 профессий

Мультимодальная модель InternVL для диалога по изображениям и генерации ответов на визуальные инструкции.

391скачиваний за 30 дней38лайковвеса обновлены7 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mono-InternVL-2B — мультимодальная модель с настройкой на выполнение инструкций из семейства InternVL, разработанная OpenGVLab. Она построена на InternLM2-Chat-1.8B и объединяет языковую модель с компонентами для работы с изображениями; в репозитории указаны 1,8 млрд активируемых параметров и 3 млрд параметров всего.

Модель предназначена для диалога по изображениям и генерации текстовых ответов на инструкции, связанные с визуальным содержимым. Метаданные также отмечают поддержку чата и мультиязычность. Репозиторий содержит веса в формате Safetensors; лицензия — MIT.

Модель может ошибаться при распознавании мелких деталей и сложных сцен; конкретные ограничения качества в карточке не описаны.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание объектов и сцен на изображениях
  • диалог по визуальному материалу
  • извлечение текста с изображений и документов

Ограничения

Карточка не приводит результатов оценивания и подробных ограничений качества; ответы о мелких деталях и сложных сценах следует проверять.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mono-InternVL-2B

This repository contains the instruction-tuned Mono-InternVL-2B model, which has 1.8B activated parameters (3B in total). It is built upon internlm2-chat-1_8b.

Please refer to our paper (v1), paper (v1.5), project page and GitHub repository for introduction and usage.

Citation

If you find this project useful in your research, please consider citing:

@article{mono_internvl_v1,
  title={Mono-InternVL: Pushing the Boundaries of Monolithic Multimodal Large Language Models with Endogenous Visual Pre-training},
  author={Luo, Gen and Yang, Xue and Dou, Wenhan and Wang, Zhaokai and Liu, Jiawen and Dai, Jifeng and Qiao, Yu and Zhu, Xizhou},
  journal={arXiv preprint arXiv:2410.08202},
  year={2024}
}


@article{mono_internvl_v1.5,
  title={Mono-InternVL-1.5: Towards Cheaper and Faster Monolithic Multimodal Large Language Models},
  author={Luo, Gen and Dou, Wenhan and Li, Wenhao and Wang, Zhaokai and Yang, Xue and Tian, Changyao and Li, Hao and Wang, Weiyun and Wang, Wenhai and Zhu, Xizhou and Qiao, Yu and Dai, Jifeng},
  journal={arXiv preprint arXiv:2507.12566},
  year={2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
InternVLChatModel
Ревизия весов
2520fda

0 моделей