书生近日推出了全新视觉模型系列——internvl 3.5，涵盖从1b到241b共8种不同规模的版本。
根据多项评测数据显示，InternVL 3.5 中最大规模的241B模型在视觉理解任务中的表现仅次于商用模型 GPT-5 和 Gemini 2.5 Pro，位居前列。
目前，该系列全部模型均已开源并上线 Hugging Face 平台：
https://www.php.cn/link/e7c3645a3ea1024d6704a3133c7930a8
模型核心技术创新包括：
- 级联强化学习（Cascade Reinforcement Learning, Cascade RL）：结合离线强化学习与在线强化学习的双阶段训练策略，提升模型收敛稳定性与对齐精度，显著增强复杂推理能力，在 MMMU、MathVista 等高难度任务上表现突出。
- 视觉分辨率路由机制（Visual Resolution Router, ViR）：支持动态调节视觉 token 的输入分辨率，灵活平衡计算开销与识别精度，提升视觉理解效率。
- 解耦式视觉-语言部署架构（Decoupled Vision-Language Deployment, DvD）：将视觉编码器与语言解码器分离部署至不同 GPU 设备，优化资源分配，大幅提高推理吞吐速度。
整体推理性能相较前代提升最高达 16.0%，并在实际部署中实现比 InternVL3 快 4.05 倍的推理速度。
