InternVL 2.5は、一連の高度なマルチモーダル大規模言語モデル（MLLM）です。InternVL 2.0をベースに、大幅なトレーニングとテスト戦略の強化、データ品質の向上により、コアモデルアーキテクチャを維持しています。このモデルは、増分事前学習済みのInternViTと、InternLM 2.5やQwen 2.5などの様々な事前学習済み大規模言語モデル（LLM）を、ランダムに初期化されたMLPプロジェクターを使用して統合しています。InternVL 2.5はマルチ画像およびビデオデータをサポートし、動的な高解像度トレーニング手法により、マルチモーダルデータ処理能力が強化されています。