​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

近日，阿里国际正式发布了其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​阿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，继续在同里国类开源模型中保持 SOTA（最先进技术）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，这一版本在 OpenComp际发ass 评测中获得了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名列第一。其次，Ovis2.5-2B 的综合得布多分为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，官方表示进行了系统性创新模态，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:动态分辨率的视大模觉特征提取、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，型 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。Ov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、OCRis（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。

Ovis22..5的代码和模型均已在 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。

代码:https:/5，/github.com/AIDC-AI/Ovis

模型: https://huggingface.co/AIDC-AI/

划重点:

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

包含两个版本，Ovis2.5-9B 适合大规模应用，O视觉vis2.5-2B 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。 感知; 

最新评论