在今年 7 月 4 日举行的 2024 WAIC 科学前沿主论坛上，书生·万象多模态大模型（InternVL 2.0）正式发布，并陆续开源了 1B、2B、4B、8B、26B、40B 以及 76B 共 7 个参数版本的模型。书生·万象支持图像、视频、文字、语音、三维点云等模态处理，具备强大的真实世界感知能力，并通过首创的渐进式对齐训练策略，实现了成本更低、性能更高。
开源链接：（欢迎 star）
GitHub - OpenGVLab/InternVL: [CVPR 2024 Oral] InternVL Family: A Pioneering Open-Source Alternative to GPT-4o. 接近GPT-4o表现的开源多模态对话模型
模型链接：（欢迎使用）
https://huggingface.co/collections/OpenGVLab/internvl-20-667d3961ab5eb12c7ed1463e
10月12日，SuperCLUE正式发布了 10 月中文多模态理解测评基准 SuperCLUE-V 报告。 InternVL2-40B 在总榜单、基础能力榜单、应用能力榜单均居开源模型榜首。 以下截图来自报告原文，圈黄的为开源模型：
附参评模型说明：
