InternVL 2.5は、高度なマルチモーダル大規模言語モデルシリーズです。InternVL 2.0をベースに、大幅な訓練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、増分事前学習された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を統合し、ランダム初期化されたMLPプロジェクターを使用しています。InternVL 2.5は、マルチ画像とビデオデータをサポートし、動的な高解像度訓練方法を備えており、マルチモーダルデータ処理において優れた性能を発揮します。