OpenGVLab · 轻薄本与普通 AI PC

InternVL3.5 小型系列

OpenGVLab 的多尺寸视觉语言系列,以 1B/2B 型号覆盖端侧视觉任务,并提供标准 Transformers 格式。

查看官方资料 官方源核验于 2026/08/20
参数规模1.1B / 2.35B / 4B / 8B
架构InternViT + Qwen3 Language Model
模态文本、图像、多图、视频
上下文32K 训练阶段口径
Local deployment verdict

部署判断

1B/2B 适合低资源视觉任务,4B/8B 更适合普通 AI PC;图像块数量、多图和视频帧会快速推高视觉 Token 与显存。

推荐起点
轻薄本与普通 AI PC
常见运行时
Transformers、LMDeploy、vLLM、ModelScope
许可
Apache 2.0

型号与精度版本

1B
2B Instruct
2B MPO
2B HF
2B Flash
4B
8B

同一模型家族中的基础、指令、推理、量化或多模态检查点用途可能完全不同。下载前应核对模型卡、提示模板、分词器、量化方法和运行时版本。

适合放进哪些本地工作流

多图文档理解
低资源视觉问答
图表与 OCR
企业视觉模型微调

端侧模型更适合边界清楚、输入可控、失败可回退的任务。涉及客户承诺、财务写入、生产控制或复杂多步工具调用时,应保留云端高能力模型与人工审批作为升级路径。

进入数字员工路由前怎么测

  1. 加载测试记录具体设备、精度、运行时、上下文与首 Token 时间,避免只写“能跑”。
  2. 任务测试用脱敏企业样本测任务成功率、结构化输出和工具参数正确率。
  3. 压力测试加入长上下文、并发、热启动、内存峰值、功耗和降频观察。
  4. 治理测试验证模型许可、日志、更新、漏洞响应、人工接管与云端回退。

当前研究限制

  • 不同 GitHub/HF/Flash/MPO 格式用途不同
  • 多图和视频的内存不能按纯文本估算
  • 公开比较来自项目方评测

本页是官方资料索引与企业选型分析,不构成速度、显存、质量、许可或合规承诺。社区量化与第三方运行时应作为独立供应链组件审计。