​阿里国际发布多模态大模型 Ovis2.5，推动视觉感知与深度推理新进展

快速阅读: 阿里国际发布Ovis2.5多模态大模型，开源并在OpenCompass评测中得分78.3，提供9B和2B两个版本，创新架构和训练策略，数据量增加50%，提升视觉推理能力。

近日，阿里国际发布了新一代多模态大模型 Ovis2.5，并对外开源。这款模型专注于原生分辨率视觉感知、深度推理以及高性价比的场景设计，旨在进一步提升人工智能的应用能力。Ovis2.5 在主流多模态评测套件 OpenCompass 上的综合得分相比前一版本 Ovis2 有了显著提升，继续在同类开源模型中保持 SOTA 水平。

此次发布的 Ovis2.5 包含两个不同参数规模的版本。首先是 Ovis2.5-9B，在 OpenCompass 评测中获得 78.3 的高分，超越了许多参数量更大的模型，并在 40B 以下参数规模的开源模型中排名第一。其次，Ovis2.5-2B 的综合得分为 73.9，延续了 Ovis 系列“小身板、大能量”的理念，特别适合端侧及资源受限的应用场景。

在 Ovis2.5 的整体架构上，官方进行了系统性创新，主要体现在模型架构、训练策略与数据工程三个方面。模型架构方面，Ovis2.5 延续了系列创新的结构化嵌入对齐设计，由三大核心组件构成：动态分辨率的视觉特征提取、视觉词表模块实现视觉与文本的结构对齐，以及以 Qwen3 为基础的强大语言处理能力。

在训练策略上，Ovis2.5 采用了更精细的五阶段训练方案，包括基础的视觉预训练、多模态预训练以及大规模的指令微调等多个步骤。同时，通过 DPO 和 GRPO 等算法加强偏好对齐和推理能力，有效提升了模型的性能。此外，模型的训练速度实现了 3 到 4 倍的端到端加速。

数据工程方面，Ovis2.5 的数据量相比 Ovis2 增加了 50%，重点聚焦于视觉推理、图表、OCR（光学字符识别）和 Grounding 等关键领域。特别是合成了大量与 Qwen3 深度适配的“思考”数据，极大地激发了模型的反思与推理潜能。

Ovis2.5 的代码和模型已在 GitHub 和 Hugging Face 等平台上线，用户可以通过这些平台获取相关资源，进一步探索其应用潜力。

划重点：

– Ovis2.5 在 OpenCompass 评测中取得 78.3 的综合得分，继续保持 SOTA 水平。

– Ovis2.5 包含两个版本，Ovis2.5-9B 适合大规模应用，Ovis2.5-2B 则专注于资源受限场景。

– 采用创新架构和训练策略，数据量增加 50%，聚焦视觉推理等关键领域。

(以上内容均由Ai生成)