上海人工智能实验室近日宣布升级并开源通用多模态大模型书生・万象3.0（InternVL3）。该模型通过创新的多模态预训练方法，在10亿至780亿参数的全量级版本中，于专家级基准测试和多模态性能评测中均居开源模型首位。
InternVL3采用原生多模态预训练技术，在预训练阶段即融合文本与多模态数据，使模型能同步学习语言与视觉能力。除通用任务外，该模型还强化了图形用户界面（GUI）智能体操作、建筑图纸理解、空间感知推理及通识学科推理等专项能力。值得一提的是，InternVL3可作为GUI智能体，直接执行电脑或手机专业软件的指令操作。
