Intern-S1 — открытая мультимодальная модель для диалога и рассуждений по тексту, изображениям и видео, с усиленными возможностями для научных задач.

Подходит для: ответы на вопросы по научным текстам и изображениям · интерпретация химических структур · анализ последовательностей белков

35-миллиардная MoE-модель InternScience для многошаговых агентных задач, научных рассуждений, поиска и вызова инструментов.

Подходит для: планирование и выполнение длительного веб-поиска · разбиение инженерной задачи на исполнимые этапы · научные рассуждения с обращением к внешним инструментам

Наградная модель InternLM2 на 1,7 млрд параметров для оценки, сравнения и ранжирования ответов диалоговых моделей по предпочтительности.

Подходит для: оценка предпочтительности ответа чат-бота · сравнение двух вариантов ответа языковой модели · ранжирование нескольких ответов для выбора лучшего

Базовая авторегрессионная модель InternLM2 на 19,3 млрд параметров для генерации текста и адаптации к предметным областям.

Подходит для: продолжение и генерация длинных текстов · создание основы для дообучения на предметных данных · черновики программного кода

Мультимодальная модель InternLM на 35 млрд параметров для научных задач, диалога, рассуждений, понимания изображений и агентных рабочих процессов.

Подходит для: Ответы на вопросы по научным текстам и изображениям · Рассуждения и решение сложных научных задач · Анализ физических временных рядов и сигналов

Intern-S1-Pro — мультимодальная MoE-модель для научных рассуждений, работы с изображениями, текстом и длинными временными рядами.

Подходит для: Рассуждения и ответы на вопросы по химии · Анализ задач по материаловедению и наукам о жизни · Интерпретация изображений с текстовым запросом

Мультимодальная дообученная модель, которая оценивает вероятности структурированных решений по текстовому состоянию, схеме вопросов и необязательным изображениям.

Подходит для: оценка вероятностей для набора вариантов ответа · классификация по нескольким заданным вопросам за один проход · бинарные решения с вероятностью ответа «да» или «нет»

Мультимодальная модель InternLM для диалоговых рассуждений по тексту, изображениям и видео, особенно в научных задачах.

Подходит для: ответы на научные вопросы по тексту и изображениям · интерпретация химических структур · анализ последовательностей белков

Intern-S2-397B — мультимодальная модель InternLM для научного анализа, рассуждений и длительных агентных задач с текстом, изображениями и временными рядами.

Подходит для: анализ страниц научных статей с текстом и иллюстрациями · решение специализированных научных задач · проектирование взаимодействий биомолекул

InternImage-T — модель классификации изображений, обученная на ImageNet-1K и рассчитанная на входное разрешение 224×224.

Подходит для: классификация объектов на изображениях · определение основного класса изображения · извлечение визуальных признаков для компьютерного зрения

Слитая 7,1-миллиардная модель Llama для диалоговой генерации текста с контекстом до 32 768 токенов.

Подходит для: ведение диалога с пользователем · генерация ответов на текстовые запросы · составление черновиков текстов

Чат-модель InternLM3 на 8,3 млрд параметров для агентного программирования, вызова инструментов и решения многошаговых задач.

Подходит для: генерация и отладка программного кода · создание мини-приложений и веб-сайтов · вызов функций и инструментов в агентном приложении

Объединённая методом slerp модель Llama на 7,1 млрд параметров для диалоговой генерации текста с контекстом до 32 768 токенов.

Подходит для: генерация ответов в диалоговом чате · продолжение пользовательского текста · создание текстовых ответов на запросы

Крупная языковая модель InternLM2 для решения экзаменационных задач китайского гаокао.

Подходит для: ответы на вопросы из экзаменационных заданий гаокао · решение задач по школьным предметам · подготовка к китайскому вступительному экзамену

Слитая модель Mistral на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.

Подходит для: генерация продолжения текста по запросу · создание черновиков и вариантов текста · ответы в формате текстового диалога

Мультимодальная модель InternLM на базе Qwen3.5-0.8B, которая за один проход оценивает вероятности структурированных вариантов ответа, включая решения по изображениям.

Подходит для: выбор наиболее подходящего варианта по заданным критериям · оценка объектов или вариантов по шкале · бинарная классификация «да/нет» по состоянию и вопросу

Мультимодальная модель для структурированных решений, которая оценивает варианты ответов на несколько вопросов по заданному состоянию и необязательным изображениям.

Подходит для: выбор лучшего варианта по заданным критериям · оценка объектов по категориальной шкале · бинарная классификация «да/нет» по описанию ситуации

Слитая модель Mistral на 7,1 млрд параметров для диалоговой генерации текста и ответов ассистента.

Подходит для: ответы на вопросы в чате · ведение диалога с виртуальным ассистентом · генерация текстовых ответов на запросы

Объединённая SLERP-модель Llama на 7,1 млрд параметров для генерации текста и диалогового общения.

Подходит для: генерация продолжения текста · ответы в текстовом чате · создание черновиков и формулировок

Объединённая модель Mistral на 7,1 млрд параметров для генерации текста и диалогов с контекстом до 32 768 токенов.

Подходит для: генерация текстовых ответов на запросы · ведение диалога с пользователем · составление черновиков и продолжение текста

InternVL-U — унифицированная мультимодальная модель на 4 млрд параметров для понимания и рассуждения по данным и генерации или редактирования изображений.

Подходит для: ответы на вопросы по изображениям · мультимодальный анализ и рассуждение · генерация изображений по текстовому запросу

Дообученная модель переписывает короткие запросы в англоязычные промпты с соотношением сторон для Qwen-Image-2.1.

Подходит для: преобразование короткого запроса в развёрнутый промпт для Qwen-Image-2.1 · подготовка JSON с описанием изображения и соотношением сторон · переписывание русскоязычного запроса в англоязычное описание для генерации изображения

Intern-S2-Mobius — 35-миллиардная текстовая модель для диалогов и сложных общих и научных задач с архитектурой латентного рассуждения.

Подходит для: ответы на сложные вопросы и многошаговые рассуждения · решение задач по биологии и молекулярным наукам · научные диалоги и объяснение предметных вопросов

Производная модели OpenGVLab/internimage_t_1k_224. InternImage-T — модель классификации изображений, обученная на ImageNet-1K и рассчитанная на входное разрешение 224×224.

Подходит для: классификация объектов на изображениях · определение основного класса изображения · извлечение визуальных признаков для компьютерного зрения