InternVL3.5-4B
InternVL系列4B档多模态模型，按ViT-MLP-LLM结构以InternViT-300M视觉编码器搭配Qwen3-4B语言骨干，支持中英文文本生成与图文问答、文档与OCR类理解，官方称经Cascade RL提升推理表现。
最后核实：
https://huggingface.co/OpenGVLab/InternVL3_5-4B特点与限制
主要特点
- 官方家族表按视觉塔与语言骨干分列参数，4B档合计4.7B（0.3B视觉+4.4B语言）
- 官方模型卡给出16位加载、8位量化与多卡device_map等Transformers推理示例，并说明用transformers>=4.52.1
- 官方LMDeploy示例以session_len=32768部署；技术报告说明训练最大序列长度为32K tokens
- 官方说明评测使用VLMEvalKit进行，Thinking模式需设置R1_SYSTEM_PROMPT
- 官方介绍该代新增GUI交互与具身智能等能力方向，并采用解耦视觉-语言部署（DvD）策略
使用边界
- 模型卡的评测结果以图片形式发布，本条目数值来自技术报告arXiv 2508.18265v2的表格；官方未给出该型号的上下文长度专表，32K依据为训练最大序列长度说明与LMDeploy示例session_len。
- 技术报告OCR、图表与文档理解表脚注说明部分对照结果是采集自OpenCompass榜单与其他论文，未逐项标明每格是否由作者统一运行。
- 技术报告未逐项披露成绩对应的模型revision、提示模板、split与推理运行时；带Thinking或Parallel Thinking标注的行与默认行口径不同。
- 官方仅说明30B及以下型号可在单张A100部署，未给出该型号的内存或显存数值；本站未实测。
- 本站未验证图像问答、文档解析与OCR的实际效果，也未复核语种覆盖面。
模型信息
- 家族与版本
- InternVL / 3.5
- 输入与输出
- 文本、图像 → 文本
- 公开参数规模
- 4.7B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方家族表按组件分列：InternViT-300M视觉编码器0.3B、Qwen3-4B语言骨干4.4B、合计4.7B，含视觉塔；HF权重元数据safetensors张量参数和为4,732,489,216（约4.73B）。此处采用官方合计口径4.7B。 参数来源
- 原生上下文
- 32,768 tokens
- 扩展上下文
- 未提供
- 语言声明
- 多语言（HF权重元数据标注multilingual，官方未列具体语种清单）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- MIT
- 训练资料
- 官方模型卡与技术报告披露训练流程：多模态持续预训练、SFT、MPO离线强化学习与GSPO在线强化学习组成Cascade RL；预训练语料约1.16亿样本、约2500亿tokens，纯文本与多模态数据比例约1:2.5。未公开完整语料清单与数据许可明细。
能力依据
模型变体：指令版；家族与版本：InternVL / 3.5
文本生成
MMLU · accuracy73.8%MMLU（技术报告未注明版本；表格附version列4d595a） · 英语 · 思考关闭查看评估与来源收起补充信息
文本生成
官方技术报告Table 14以OpenCompass口径列出该型号MMLU 73.8%。这是纯文本知识类基准成绩，可用于了解文本骨干水平，但不能外推为中文写作、开放式对话或事实可靠性。
- 报告在同一张表中并列Qwen3骨干与InternVL3.5型号，便于查看多模态训练后的文本能力变化。
- 表格同时给出数据集中文类（CMMLU、C-Eval、GAOKAO）与数学、代码分项，覆盖面可查。
- 成绩由模型发布方运行，未找到许可明确且确认为独立方的同型号同条件复测。
- 表注说明OpenCompass统一使用表内提示版本，各基准分数可能与其他官方报告口径不同。
- MMLU为英文知识问答，不能代表中文生成质量；本站未复现文本成绩。
MMLU · accuracy
73.8%官方报告 · OpenGVLab（模型发布方及技术报告作者）官方自测
展开评测条件与来源
- 模型标识 / 修订
- OpenGVLab/InternVL3_5-4B / 未提供
- 思考模式
- 关闭
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMLU（技术报告未注明版本；表格附version列4d595a） / 未提供
- 基准 / 报告版本
- InternVL3.5技术报告（arXiv 2508.18265v2）Table 14（文本能力对比表）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 技术报告表注说明OpenCompass评测统一使用表内所列提示版本；技术报告Table 14以OpenCompass工具评测文本能力，逐列并列Qwen3骨干与InternVL3.5型号，本行为InternVL3.5-4B的MMLU 73.8；同表附数据集版本标识4d595a与CMMLU、C-Eval、GAOKAO、GSM8K、MATH、AIME、HumanEval等结果。表注说明Qwen3系列分数可能与该系列官方报告不同，因OpenCompass评测统一使用了表内提示版本；报告未披露模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- opengvlab / opengvlab-internvl3-5-report-v2
- 来源
- https://arxiv.org/abs/2508.18265
- 来源使用说明
- 引用来源；许可：未提供；仅引用InternVL3.5官方技术报告中的少量成绩事实并链接原文；不复制表格、图像或基准数据。 查看说明
- 比较状态
- 不可比：来源未披露该成绩对应的模型revision、split、few-shot设置与推理运行时，且报告说明OpenCompass统一提示版本与各基准原始口径可能不同；原样记录，不与不同提示或框架的结果直接排名。
视觉理解
MMMU · accuracy66.6%MMMU (val) · 英语 · 思考关闭MathVista · accuracy77.1%MathVista (mini) · 英语 · 思考关闭OCRBench · OCRBench综合得分822分（0–1000）OCRBench（报告未注明拆分） · 英语（OCRBench以英文场景为主） · 思考关闭查看评估与来源收起补充信息
视觉理解
官方技术报告逐列给出该型号视觉成绩：MMMU (val) 66.6%、MathVista (mini) 77.1%、OCR Bench 822分（另表列出DocVQA 92.4%、ChartQA 86.0%、InfoVQA 78.0%等同表分项）。均为发布方在同一报告中的自测，且OCR、图表与文档表脚注说明部分对照值采集自OpenCompass榜单。
- 报告按型号尺寸逐行给出结果，未借用其他尺寸或Flash版本成绩。
- OCR、图表与文档表同时给出OCRBench、DocVQA、ChartQA、InfoVQA等分项，并说明OCR Bench为0–1000计分。
- 模型卡说明评测框架为VLMEvalKit，并给出Thinking模式的系统提示要求。
- 成绩由模型发布方运行，未找到许可明确且确认为独立方的同型号同条件复测。
- 报告未逐项披露模型revision、提示模板、split与推理运行时；OCR、图表与文档表脚注说明部分对照结果采集自OpenCompass榜单与其他论文。
- 同表并存未启用与Parallel Thinking两套口径，横向比较需区分。
- 本站未在真实图片、票据或扫描文档上验证识别、版面与定位效果。
MMMU · accuracy
66.6%官方报告 · OpenGVLab（模型发布方及技术报告作者）官方自测
展开评测条件与来源
- 模型标识 / 修订
- OpenGVLab/InternVL3_5-4B / 未提供
- 思考模式
- 关闭
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMMU (val) / val
- 基准 / 报告版本
- InternVL3.5技术报告（arXiv 2508.18265v2）Table 3（多模态推理与数学对比表）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；技术报告Table 3按型号逐行列出多模态推理与数学成绩，本行为InternVL3.5-4B的MMMU (val) 66.6，同一行另有MathVista、MathVision、MathVerse、DynaMath、WeMath、LogicVista分项；表中另设"w/ Parallel Thinking"对照行。模型卡说明评测使用VLMEvalKit，Thinking模式需设置R1_SYSTEM_PROMPT，报告结果未启用TTS。报告未逐项披露该行对应的split、提示模板、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- opengvlab / opengvlab-internvl3-5-report-v2
- 来源
- https://arxiv.org/abs/2508.18265
- 来源使用说明
- 引用来源；许可：未提供；仅引用InternVL3.5官方技术报告中的少量成绩事实并链接原文；不复制表格、图像或基准数据。 查看说明
- 比较状态
- 不可比：来源未披露该成绩对应的模型revision、提示模板、VLMEvalKit版本与推理运行时，且同表并存Thinking与Parallel Thinking对照行；原样记录，不与配置不同的结果直接排名。
MathVista · accuracy
77.1%官方报告 · OpenGVLab（模型发布方及技术报告作者）官方自测
展开评测条件与来源
- 模型标识 / 修订
- OpenGVLab/InternVL3_5-4B / 未提供
- 思考模式
- 关闭
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MathVista (mini) / mini
- 基准 / 报告版本
- InternVL3.5技术报告（arXiv 2508.18265v2）Table 3（多模态推理与数学对比表）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；技术报告Table 3中InternVL3.5-4B行的MathVista (mini) 77.1；同表亦列出该型号在MMMU、MathVision、MathVerse、DynaMath、WeMath与LogicVista的结果，并另设Parallel Thinking对照行。模型卡说明评测使用VLMEvalKit进行，报告结果未启用TTS。报告未逐项披露提示模板、模型revision与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- opengvlab / opengvlab-internvl3-5-report-v2
- 来源
- https://arxiv.org/abs/2508.18265
- 来源使用说明
- 引用来源；许可：未提供；仅引用InternVL3.5官方技术报告中的少量成绩事实并链接原文；不复制表格、图像或基准数据。 查看说明
- 比较状态
- 不可比：来源未披露该成绩对应的模型revision、提示模板、评测框架版本与推理运行时，且同表并存Thinking与Parallel Thinking对照行；原样记录，不与配置不同的结果直接排名。
OCRBench · OCRBench综合得分
822 分（0–1000）官方报告 · OpenGVLab（模型发布方及技术报告作者）官方自测
展开评测条件与来源
- 模型标识 / 修订
- OpenGVLab/InternVL3_5-4B / 未提供
- 思考模式
- 关闭
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OCRBench（报告未注明拆分） / 未提供
- 基准 / 报告版本
- InternVL3.5技术报告（arXiv 2508.18265v2）Table 4（OCR、图表与文档理解对比表）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；技术报告Table 4按型号逐行给出OCR、图表与文档理解共9项基准，OCR Bench列按0–1000计分（表注说明计算Overall时归一化到0–100），本行为InternVL3.5-4B的822分；同表另有AI2D、ChartQA、TextVQA、DocVQA、InfoVQA、SEED-2-Plus、CharXiv与VCR-EN-Easy列。该表脚注说明部分对照结果采集自OpenCompass榜单与其他论文，未逐项标明来源；报告未披露模型revision、提示模板与推理配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- opengvlab / opengvlab-internvl3-5-report-v2
- 来源
- https://arxiv.org/abs/2508.18265
- 来源使用说明
- 引用来源；许可：未提供；仅引用InternVL3.5官方技术报告中的少量成绩事实并链接原文；不复制表格、图像或基准数据。 查看说明
- 比较状态
- 不可比：该分数为OCR Bench综合分（0–1000口径），与整页文档解析的编辑距离或字符准确率口径不同；来源未披露模型revision、提示模板与推理配置，也不与同表采集自榜单的对照值直接比较。
运行条件与获取
Transformers
系统支持未提供 · Safetensors（仓库含自定义代码，需trust_remote_code） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方称30B及以下型号可在单张A100 GPU上部署，该说明不构成此型号的最低配置承诺。
内存：未核实；显存：未核实。
依赖：transformers>=4.52.1（官方要求）、torch、torchvision、flash-attn（官方示例use_flash_attn=True）。
STEP 01 安装指定版本以上的 Transformers
官方模型卡说明需使用transformers>=4.52.1才能正常运行；此处按该说明转换为终端写法。本站未执行该命令。
python -m pip install -U "transformers>=4.52.1"STEP 02 按官方示例加载模型
官方Quick Start用AutoModel.from_pretrained加载该仓库，设置trust_remote_code=True、torch_dtype=torch.bfloat16与use_flash_attn=True；同页另给出load_in_8bit量化与device_map="auto"多卡写法。本站未下载权重或执行模型，需在目标设备验证。
LMDeploy
系统支持未提供 · Safetensors（仓库含自定义代码） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；显存与吞吐取决于精度、图像数量与分辨率、session_len与LMDeploy版本，官方未给出该型号的资源需求数值。
内存：未核实；显存：未核实。
依赖：lmdeploy>=0.9.1（官方安装命令）。
STEP 01 安装 LMDeploy
官方Deployment章节给出的安装命令，LMDeploy用于压缩、部署与服务化视觉语言模型。本站未执行。
pip install lmdeploy>=0.9.1STEP 02 按官方示例建立推理管线
官方示例用pipeline加载模型并传入PytorchEngineConfig(session_len=32768, tp=1)；多图与批量推理示例见同页。本站未启动服务或执行推理。