上海AI实验室近日宣布开源书生·万象 InternVL3.5，该模型通过引入级联式强化学习、动态视觉分辨率路由机制以及解耦部署架构，在推理能力、部署效率和多任务通用性方面实现了全面突破。
据悉，InternVL3.5涵盖从10亿到2410亿参数的九种不同规模版本，全面刷新当前开源多模态模型的性能记录。无论是在通用多模态感知、复杂推理任务还是文本理解能力上，均达到业界领先水平。同时，模型在图形用户界面（GUI）智能体操作、具身空间感知、矢量图像（SVG）解析与生成等前沿应用场景中展现出显著提升。
- 提供九种模型尺寸，覆盖1B至2410B参数范围，支持稠密结构与专家混合（MoE）架构，是首个兼容GPT-OSS语言基座的开源多模态大模型；
- 旗舰版InternVL3.5-241B-A28B在MMMU多学科推理评测中斩获77.7分，位居开源模型榜首；在MMStar和OCRBench两项多模态感知基准测试中分别取得77.9分和90.7分，优于GPT-5表现（75.7/80.7）；文本类评测AIME25与MMLU-Pro得分分别为75.6和81.3，全面领先现有开源方案；
- 基于创新的Cascade RL强化学习框架，全系列模型推理能力较前代平均提升16.0分。其中，InternVL3.5-241B-A28B在综合推理评测中达到66.9分，显著高于上一代的54.6分及Claude-3.7-Sonnet的53.9分，在数学与逻辑推理等高难度任务中尤为突出；
- 采用视觉分辨率路由（ViR）技术与解耦部署架构（DvD），大幅优化推理效率。以38B模型为例，在896分辨率输入下，单次推理延迟由369ms降至91ms，提速近4倍；轻量版本InternVL3.5-Flash在视觉序列长度压缩50%的情况下，仍维持接近完整的性能表现；
- 在智能体相关能力上实现重点突破，GUI交互定位任务ScreenSpot得分为92.9，空间感知VSI-Bench达69.5分，SVG图形理解SGP-Bench为70.6分，均超越主流开源模型。
更多信息请参考官方发布内容。
源码地址：点击下载
