商汤科技的 InternLM 团队推出了 InternLM-XComposer2.5，这是一种支持长文本输入和输出的多功能视觉语言模型（VLM）。该模型基于 InternLM 7B 开发，采用了 “Partial LoRA” 方法，专门应用于图像标记，保留了预训练语言知识的完整性。InternLM-XComposer2.5 能够生成网页和高质量的图文文章，支持视频理解、多轮多图像聊天和语音交互，并能处理高分辨率（4K）图像理解任务。该模型在多个基准测试中表现优异，击败了 GPT-4V 和 Gemini Pro。
To view this video please enable JavaScript,and consider upgrading to a web browser that supports HTML5 video
This is a modal window.
Beginning of dialog window.Escape will cancel and close the window.
End of dialog window.