数字中国 人工智能 汽车智驾 手机数码 智慧家电 酷玩配件 科技创投 产业+ 攻略 更多
实时
当前位置：数智频道首页 > 人工智能 > 正文

多模态通用感知能力超越 GPT-5，上海 AI 实验室开源书生・万象 3.5 大模型

2026-03-21 08:00:01 来源：IT之家 A+A-

上海人工智能实验室宣布开源通用多模态大模型书生・万象3.5（InternVL3.5），其推理能力、部署效率与通用能力全面升级。InternVL3.5 提供9种尺寸的模型，参数范围从10亿到2410亿，能够满足不同场景需求。旗舰模型 InternVL3.5-241B-A28B 在多学科推理基准 MMMU 中获得77.7分，成为开源模型中的最高分；多模态通用感知能力超过 GPT-5，文本能力领先于主流开源多模态大模型。

相比 InternVL3.0，InternVL3.5 在图形用户界面智能体、具身空间感知、矢量图像理解与生成等任务上有了显著提升。研究团队重点强化了 InternVL3.5 面向实际应用的智能体与文本思考能力，在GUI交互、具身空间推理和矢量图形处理等多个关键场景实现了从“理解”到“行动”的跨越，并得到了多项评测验证。

在GUI交互方面，InternVL3.5 在ScreenSpot-v2元素定位任务中以92.9分超越同类模型，支持Windows/Ubuntu自动化操作，并且在WindowsAgentArena任务中大幅领先Claude-3.7-Sonnet。在具身智能体测试中，InternVL3.5 展现出理解物理空间关系并规划导航路径的能力，在VSI-Bench中以69.5分超过了Gemini-2.5-Pro。此外，在矢量图形理解与生成方面，InternVL3.5 在SGP-Bench中以70.7分刷新了开源纪录，生成任务FID值也优于GPT-4o和Claude-3.7-Sonnet。

InternVL3.5 能够跨Windows、Mac、Ubuntu、Android等多个平台识别界面元素并自主执行鼠标、键盘操作，实现恢复已删除文件、导出PDF、邮件添加附件等任务的自动化。它还具备更强的grounding能力，可以泛化到全新的复杂大量小样本的具身场景，配合抓取算法，支持可泛化的长程物体抓取操作，帮助机器人更高效地完成物品识别、路径规划与物理交互。

作为上海AI实验室书生大模型体系的一部分，InternVL专注于视觉模型技术，全系列全网下载量已经超过2300万次。

热点推送

本周关注

MORE
    关于中华网 广告服务 联系我们 招聘信息 版权声明 豁免条款 友情链接 中华网动态
    网上不良信息举报电话：010-56177181执行主编：张蕾
    京ICP备18035944号@版权所有 中华网