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,继续里国在同类开源模型中保持 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 OpenCo际发mpass 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,主要模态体现在模型架构、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:动态分辨率的视觉大模特征提取、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型 方案,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能Ov。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、OCR(is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。 Ovis2.5的2.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://git5,hub.com/AIDC-AI/Ovis 模型: https://huggingface.co/AIDC-AI/ 划重点: Ovis2.5在 OpenCom推动pass 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,Ovis2.视觉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。
- 最近发表
- 随机阅读
-
- 标签: OpenClaw OpenAI Peter Steinberger Claude
- IDC:2025年中国大数据总体市场规模将超250亿美元
- OpenAI 或将面临高达十亿美元的罚款,因涉嫌使用盗版书籍训练 AI
- 2021年越来越多企业将采用AI功能
- 云安全日报220407:VMware云计算解决方案发现远程代码执行漏洞,需要尽快升级
- 荷花叶有什么功效和作用
- 标签: Agent 360
- 标签: 奇瑞 长城汽车 余飞 星途
- 字节跳动推出 Sa2VA:结合 LLaVA 与 SAM-2 实现多模态智能分割
- 谷歌允许员工申请永久远程办公 薪酬按当地费率调整
- 大会邀请函模板
- 云安全日报210201:F5负载均衡厂商安全访问iOS客户端发现执行任意代码漏洞,需要尽快升级
- 云计算开发:Python3-List reverse()方法详解
- 以色列一公司研发AI工具 可分辨员工是否装病
- 印度将在 2026 年与 Anthropic 共同举办全球人工智能峰会
- 动作捕捉巨头诺亦腾杀入机器人赛道:独立数据业务瞄准十亿级市场,腾讯、字节大牛加入
- 苏宁打响国产AI反击战:灵思大模型携手寒武纪算力平台,推理效率暴涨30%训练成本狂降70%
- 标签: 大疆 影石创新 无人机专利 专利权属纠纷
- 特朗普将召集微软谷歌等科技巨头签署承诺:自行承担数据中心电费
- 沙特阿美宣布与谷歌云合作 为沙特阿拉伯企业客户提供云服务
- 搜索
-
- 友情链接