OpenGVLab 的 InternVL2-1B 以不到 2GB 的体量击败更大的 4B 视觉模型
OpenGVLab 发布了 InternVL2-1B，一个不到 10 亿参数的视觉语言模型，由 3 亿参数的视觉编码器和 5 亿参数的语言模型组合而成，面向边端友好的多模态推理。尽管体量小，据报它在不到 2GB 的前提下超过了更大的 4B 视觉模型。它的意义在于，设备端的多模态 AI 不必等大模型变小才能用：搭配得当的小模型组合已经能与之一较高下。
报道来源
- Alpha Signal2026-11-01 16:00