阿里国际发布多模态大模型 Ovis2.5,推动视觉感知与深度推理新进展
近日,阿里国际正式发布了其新一代多模态大模型 Ovis2.5,并对外开源。这款模型专注于原生分辨率视觉感知、深度推理以及高性价比的场景设计,旨阿在进一步提升人工智能的应用能力。Ovis2.5在主流多模态评测套件 OpenCompass 上的综合得分相比前一版本 Ovis2有了显著提升,继续在同类开源里国模型中保持 SOTA(最先进技术)水平。 此次发布的 Ovis2.5包含两个不同参数规模的版本。首先是 Ovis2.5-9B,这一版本在 OpenComp际发ass 评测中获得了78.3的高分,超越了许多参数量更大的模型,并在40B 以下参数规模的开源模型中名列第一。其次,Ovis2.5-2B 的综合得分为布多73.9,延续了 Ovis 系列 “小身板、大能量” 的理念,特别适合端侧及资源受限的应用场景。 在 Ovis2.5的整体架构上,官方表示进行了系统性创新,模态主要体现在模型架构、训练策略与数据工程三个方面。模型架构方面,Ovis2.5延续了系列创新的结构化嵌入对齐设计,由三大核心组件构成:动态分辨率的视觉特大模征提取、视觉词表模块实现视觉与文本的结构对齐,以及以 Qwen3为基础的强大语言处理能力。 在训练策略上,Ovis2.5采用了更精细的五阶段训练方型 案,包括基础的视觉预训练、多模态预训练以及大规模的指令微调等多个步骤。同时,通过 DPO 和 GRPO 等算法加强偏好对齐和推理能力,有效提升了模型的性Ov能。此外,模型的训练速度实现了3到4倍的端到端加速。 数据工程方面,Ovis2.5的数据量相比 Ovis2增加了50%,重点聚焦于视觉推理、图表、OCRis(光学字符识别)和 Grounding 等关键领域。特别是合成了大量与 Qwen3深度适配的 “思考” 数据,极大地激发了模型的反思与推理潜能。 Ovis2.52.的代码和模型均已在 GitHub 和 Hugging Face 等平台上线,用户可以通过这些平台获取相关资源,进一步探索其应用潜力。 代码:https:5,//github.com/AIDC-AI/Ovis 模型: https://huggingface.co/AIDC-AI/ 划重点: Ovis2.5在 Open推动Compass 评测中取得78.3的综合得分,继续保持 SOTA 水平。 包含两个版本,Ovis2.5-9B 适合大规模应用,Ovi视觉s2.5-2B 则专注于资源受限场景。 采用创新架构和训练策略,数据量增加50%,聚焦视觉推理等关键领域。 &n感知bsp;
- 最近发表
- 随机阅读
-
- 标签: 米哈游 手办
- Google开源DESIGN.md格式,为AI Agent提供UI设计标准化蓝图
- 标签: 卓驭科技 大疆车载 Pre-IPO 港股上市
- Claude杀入Chrome浏览器!Anthropic推出史上最强AI上网助手
- 使用 Docker Buildx 构建多种系统架构镜像
- 标签: 苹果 Apple Intelligence Gemini Siri
- 标签: 蚂蚁集团 支付宝 AI版 阿里巴巴 周靖人 SpaceX
- 20款优秀的数据可视化工具 (建议收藏)
- 苹果 CEO 库克:未来将整合更多 AI 技术提升 Siri
- 开源语音大模型 “Step-Audio 2 mini” 发布!听得清楚、说得自然
- 爱奇艺 CEO 龚宇: AI 技术将颠覆长短视频行业
- 特斯拉回应“机场禁止入内”:哨兵模式数据仅存储在车辆本地 另外特斯拉已在中国建立数据中心
- 钉钉推出首款AI硬件:AI录音产品DingTalk A1
- 标签: 苹果 威马汽车 赛力斯 极氪
- 标签: 华为 Atlas 950 SuperPoD TaiShan 灵衢 MWC2026
- 标签: DJI
- 波士顿动力机器狗在工厂打工的实录火了
- 标签: 大界机器人 RoBIM Physical AI 人形机器人
- 标签: 众擎机器人 小鹏鹏行 李力耘 赵同阳
- Gartner:受GenAI推动,2024年全球公有云终端用户支出将增长20.4%
- 搜索
-
- 友情链接