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
InternVL3-14B — многоязычная мультимодальная модель OpenGVLab для диалога и анализа изображений, видео и текста.
Подходит для: ответы на вопросы по изображению · описание содержимого нескольких изображений · понимание и краткий пересказ видео
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
Мультимодальная модель OpenGVLab на 2,2 млрд параметров для диалогов, ответов на вопросы и анализа изображений и документов.
Подходит для: ответы на вопросы по изображению · извлечение сведений из документов и сканов · распознавание текста на изображениях
Компактная мультимодальная модель OpenGVLab для диалога по изображениям и видео, понимания документов, графиков и визуального текста.
Подходит для: ответы на вопросы по изображению · извлечение текста из документов и изображений · понимание графиков и инфографики
InternVLA-M1 — дообученная мультимодальная VLA-модель для разработки универсальных роботизированных политик по визуальным наблюдениям и языковым инструкциям.
Подходит для: управление роботом по визуальному наблюдению и текстовой инструкции · разработка универсальной роботизированной политики · исследование моделей vision-language-action
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
Мультимодальная модель OpenGVLab на 78 млрд параметров для диалога, анализа изображений и видео и визуального рассуждения.
Подходит для: ответы на вопросы по изображениям и видео · описание и сравнение нескольких изображений · анализ научных диаграмм и промышленных изображений
Мультимодальная модель OpenGVLab для диалогов и генерации ответов по тексту, изображениям и видео.
Подходит для: описание изображений и ответы на вопросы о них · анализ кадров и содержания видео · диалог с чередованием текста, изображений и видео
Мультимодальная диалоговая модель OpenGVLab на 8,1 млрд параметров для ответов по изображениям, документам, диаграммам и видеокадрам.
Подходит для: ответы на вопросы по изображениям · извлечение текста и понимание документов на изображениях · анализ диаграмм и инфографики
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
Визуальный backbone OpenGVLab для извлечения признаков изображений с поддержкой высокого разрешения и OCR.
Подходит для: извлечение визуальных признаков для компьютерного зрения · предобработка изображений для мультимодальной языковой модели · обработка изображений высокого разрешения
Мультимодальная модель OpenGVLab на 38 млрд параметров для диалогов, визуальных вопросов и рассуждений по изображениям и тексту.
Подходит для: ответы на вопросы по содержимому изображения · решение математических задач по диаграммам и фотографиям · извлечение текста с изображений и документов
InternVL2_5-8B — мультимодальная диалоговая модель OpenGVLab для анализа изображений, видео и текстовых запросов.
Подходит для: ответы на вопросы по изображению · распознавание текста на изображениях · анализ нескольких изображений в одном запросе
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 OpenGVLab на 4,2 млрд параметров для диалога по изображениям, чтения документов и визуальных вопросов и ответов.
Подходит для: ответы на вопросы по фотографиям и изображениям · извлечение текста с изображений и документов · понимание диаграмм, графиков и инфографики
InternVLA-N1 — визуально-языковая модель для управления навигацией роботов по естественно-языковым инструкциям.
Подходит для: навигация робота по текстовым указаниям в сцене · обход динамических препятствий при движении · перенос навигации из симуляции в реальные помещения
InternVL3.5-4B-HF — мультимодальная диалоговая модель OpenGVLab для ответов на вопросы и рассуждений по изображениям и текстовым запросам.
Подходит для: ответы на вопросы о содержимом изображения · описание визуальных сцен в диалоге · распознавание текста и сведений на изображениях
Мультимодальная чат-модель OpenGVLab на 38 млрд параметров для анализа изображений и видео, визуального рассуждения и текстовых задач.
Подходит для: ответы на вопросы о содержимом изображения · сравнение и анализ нескольких изображений · понимание видеоматериалов
Диалоговая модель InternLM2 на 19,3 млрд параметров, объединённая методом ExPO для генерации текста и более точного следования человеческим предпочтениям.
Подходит для: ведение диалогов на английском языке · ведение диалогов на китайском языке · генерация ответов на пользовательские запросы
Мультимодальная модель OpenGVLab на 14 млрд параметров для диалогов и рассуждений по изображениям с текстовыми ответами.
Подходит для: ответы на вопросы по изображениям · описание и анализ изображений в диалоге · визуальное рассуждение по графикам и схемам
Мультимодальная чат-модель Gemma 3 для ответов на вопросы по изображениям и тексту, конвертированная для запуска через MLX.
Подходит для: ответы на вопросы о содержимом изображения · описание изображений в диалоге · визуальный чат с изображениями
Мультимодальная чат-модель Gemma 3 для диалога по тексту и изображениям, конвертированная в формат MLX.
Подходит для: ответы на вопросы по изображению · описание содержимого фотографии · диалог с текстом и изображением
Мультимодальная чат-модель Gemma 3 в формате MLX для ответов на текстовые запросы и вопросы об изображениях.
Подходит для: описание содержимого изображения по запросу · ответы на вопросы о деталях на изображении · диалог с визуальным контекстом