書生·萬象3.0

書生·萬象3.0（InternVL3）是上海人工智慧實驗室於2025年4月16日升級並開源的多模態大模型，支持文本、圖像、視頻統一處理，可作為圖形用戶界面（GUI）智慧型體操作電子設備專業軟體。

該模型採用原生多模態預訓練方法，在單一階段同步獲取語言與多模態能力，包含1B至78B七種參數規模版本，在MMMU基準測試中以72.2分創開源模型性能紀錄。其創新技術包含動態圖像分塊、可變視覺位置編碼（V2PE）和混合偏好最佳化算法（MPO），支持跨模態同步解析與關聯推理。通過測試階段增強技術，模型具備建築圖紙理解、空間感知推理及萬token級長上下文處理能力，可操作Photoshop等專業軟體界面。

基本介紹

• 中文名：書生·萬象3.0
• 外文名：InternVL3

產品簡介

通過採用創新的多模態預訓練和後訓練方法，InternVL3 多模態基礎能力全面提升，在專家級基準測試、多模態性能全面測試中，10 億~780 億參數的全量級版本在開源模型中性能均位列第一，同時大幅提升了圖形用戶界面（GUI）智慧型體、建築場景圖紙理解、空間感知推理以及通識學科推理等方面的能力。

除了可以處理通用的多模態任務之外，InternVL3 還拓展了多方面的多模態能力，如圖形用戶界面（GUI）智慧型體、建築場景圖紙理解、空間感知推理、通識學科推理等。

發展歷史

2025年4月16日，上海人工智慧實驗室（上海AI實驗室）升級並開源了通用多模態大模型書生・萬象3.0。