【免费下载链接】InternVL3-14B-Instruct项目地址https://ai.gitcode.com/OpenGVLab/InternVL3-14B-Instruct点击查看免费下载InternVL3-14B-Instruct 是上海 AI Lab 开源多模态大模型MLLMInternVL3 系列中 14B 参数量级的指令微调SFT版本由 InternViT-300M 视觉编码器 Qwen2.5-14B 语言模型组成。它支持单图、多图、视频理解、OCR 文档解析、GUI 操作与工具调用等 10 大核心能力是中小显存部署场景下能力密度极高的开源多模态大模型选择。 一分钟认识 InternVL3-14B-Instruct它是什么仓库自带的红熊猫示例图examples/image1.jpg正是官方 Quick Start 中单图对话的输入素材先说最关键的选型建议官方原话InternVL3-14B-Instruct完成原生多模态预训练 SFT 的版本但未做 MPO混合偏好优化推理能力略低于完整版如果你不确定用哪个版本官方建议直接用经过 MPO 增强的 InternVL3-14B 版本本仓库则是更纯粹的 SFT 基座适合二次微调。架构上它延续了 InternVL 家族经典的ViT-MLP-LLM 三段式范式组件内容说明视觉部分InternViT-300M-448px-V2_5带 MoE 路由的视觉 Transformer448×448 切片投影部分MLP 投影器随机初始化将视觉特征映射到语言空间语言部分Qwen2.5-14B48 层、5120 维隐藏层bfloat16在 config.json 中可以找到它的核心参数动态分辨率开关dynamic_image_size: true、单图最多 12 个切片max_dynamic_patch、对话模板template: internvl2_5config.json。 InternVL3 家族谱系一览从 1B 到 78B 怎么选InternVL3 系列覆盖 7 个规格视觉端统一使用 448px 的 InternViT差异主要在语言端底座模型视觉部分语言部分适合场景InternVL3-1BInternViT-300MQwen2.5-0.5B端侧/单卡轻量部署InternVL3-2BInternViT-300MQwen2.5-1.5B边缘设备、快速验证InternVL3-8BInternViT-300MQwen2.5-7B单张消费级显卡InternVL3-9BInternViT-300Minternlm3-8bInternLM 生态用户InternVL3-14BInternViT-300MQwen2.5-14B⭐ 本文主角能力/成本平衡点InternVL3-38BInternViT-6BQwen2.5-32B生产级高要求场景InternVL3-78BInternViT-6BQwen2.5-72B旗舰级对标顶级闭源模型新手建议显存 ≤24GB 选 8B有两张 80GB 卡直接上 14B——这是系列中性价比最高的规格。 10大核心能力详解一个模型顶起半条业务线动态分辨率理解——图片自动切成 1~12 个 448×448 图块细节越多切得越细配合 pixel unshuffle 把视觉 token 压缩到原来的 1/4显存友好。长上下文视觉理解——引入可变视觉位置编码V2PE视觉 token 采用更小更灵活的位置增量多图、长序列场景理解能力显著增强。多图与视频理解——支持多图拼接对话、独立多图对话Image-1: image / Image-2: image以及按帧抽样的视频多轮问答仓库自带示例视频 examples/red-panda.mp4。OCR、图表与文档理解——针对文字识别、图表解析做了专项训练是票据、论文、报表数字化场景的开源首选之一。多模态推理与数学——支持测试时扩展Test-Time Scaling用 Best-of-N 策略 VisualPRM-8B 评审模型挑选最优回答推理分数再上一个台阶。工具使用Tool Use——在 SFT 阶段专门扩展了工具调用样本可结合外部 API 完成复杂任务编排。GUI 智能体——支持 GUI Grounding 定位与 GUI 操作是AI 帮你点鼠标类应用的底座。3D 视觉与工业图像分析——覆盖 3D 场景理解和工业质检类图像任务超出传统看图说话的范畴。多语言理解——继承 Qwen2.5 的多语言能力中英多语言图文问答开箱即用。文本能力反超语言底座——得益于原生多模态预训练语言与视觉在同一阶段交错训练InternVL3 的纯文本表现甚至优于其语言底座 Qwen2.5 系列会看图的纯文本助手。训练配方速览原生多模态预训练 → SFT随机 JPEG 压缩 平方损失重加权 数据打包→ MPO本 Instruct 版到此为止。细节可参阅 README.md 的 Training Strategy 章节。 最快上手路径一键下载模型模型仓库可直接克隆如需离线部署git clone https://gitcode.com/OpenGVLab/InternVL3-14B-Instruct⚠️ 环境要求transformers4.37.2且加载时必须加trust_remote_codeTrue模型自带建模代码 modeling_internvl_chat.py、modeling_intern_vit.py、configuration_internvl_chat.py。 最小推理示例10行代码跑通图文对话import torch from transformers import AutoTokenizer, AutoModel model AutoModel.from_pretrained( OpenGVLab/InternVL3-14B-Instruct, torch_dtypetorch.bfloat16, low_cpu_mem_usageTrue, trust_remote_codeTrue).eval().cuda() tokenizer AutoTokenizer.from_pretrained(OpenGVLab/InternVL3-14B-Instruct, trust_remote_codeTrue, use_fastFalse) # 纯文本对话 response model.chat(tokenizer, None, Hello, who are you?, dict(max_new_tokens1024, do_sampleTrue))图片输入、多图对话、批处理与视频问答的完整写法见 README.md 的Inference with Transformers小节。️ 生产部署与硬件要求量化方式最低硬件适用BNB 8-bitload_in_8bitTrue2 × 80GB GPU性价比首选16-bitbf16/fp163 × 80GB GPU精度优先线上服务推荐 LMDeploy0.7.3一条命令起服务接口兼容 OpenAI 风格lmdeploy serve api_server OpenGVLab/InternVL3-14B-Instruct --chat-template internvl2_5 --server-port 23333 --tp 1二次微调可借助 SWIFT、XTuner 等主流框架均支持 InternVL 系列。 仓库关键文件导航文件作用README.md官方文档架构、训练策略、评测、Quick Startconfig.json模型总配置视觉/语言/动态分辨率/对话模板modeling_internvl_chat.py多模态对话模型主实现modeling_intern_vit.pyInternViT 视觉编码器实现conversation.py对话模板定义preprocessor_config.json图像预处理参数model.safetensors.index.json权重分片索引7 个 safetensors 分片examples/image1.jpg单图对话示例图❓ 新手常见问题FAQQInstruct 版和完整版 InternVL3-14B 到底差在哪A完整版多了一轮 MPO混合偏好优化推理链CoT表现更好不确定选哪个时官方推荐完整版。Q单张 24GB 显卡能跑吗A可以改用 8B 规格或对本模型做 4-bit 量化即可。Q许可协议是什么A项目采用 MIT 协议发布语言底座 Qwen2.5 部分遵循 Apache-2.0商用基本无门槛。总结InternVL3-14B-Instruct 用1B 级视觉编码器 14B 语言底座的轻视觉重语言结构把动态分辨率、V2PE、原生多模态预训练等前沿技术塞进了两张 80GB 卡就能跑的体量是开源多模态大模型入门与落地的黄金起点。赞分享【免费下载链接】InternVL3-14B-Instruct项目地址https://ai.gitcode.com/OpenGVLab/InternVL3-14B-Instruct点击查看免费下载相关推荐InternVL3-38B-Instruct 是什么一文看懂开源多模态大模型的核心能力与版本选型InternVL3 38B Instruct 是什么一文看懂开源多模态大模型的核心能力与版本选型 InternVL3 38B Instruct 是 OpenGInternVL3-8B-Instruct 是什么开源多模态大模型的完整概览与能力全景附系列导航InternVL3 8B Instruct 是什么开源多模态大模型的完整概览与能力全景附系列导航 InternVL3 8B Instruct 是 OpenInternVL3-9B-Instruct完全入门开源多模态大模型新旗舰的能力全景与版本定位指南InternVL3 9B Instruct完全入门开源多模态大模型新旗舰的能力全景与版本定位指南 InternVL3 9B Instruct 是上海 AI L上一篇重复照片悄悄吃掉 30% 的硬盘用 AntiDupl.NET 图片去重工具做一次彻底大扫除下一篇Move Mouse 窗口消失怎么办5 步快速找回消失的界面创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考